[发明专利]一种限定性模体的发现方法

权利要求书

1.一种限定性模体的发现方法，其特征在于，包括以下步骤：

1)构建字典表，所述字典表用以存储指定模式P的所有模式实例；

2)在字典列中以字典顺序列出指定模式P的所有实例集合I＝{I₁…I_N}，其中，I_i为模体实例；

3)对每个模体实例I_i待检测的核苷酸序列进行比较验证，若第i个实例满足只出现在待检测的核苷酸正例序列集合中，而不出现在反例序列集合中，则该实例作为最终所要得到的模体输出；其中，1≤i≤N，N为实例的总数；

所述步骤1)的具体过程为：

1.1、构建字典表，字典表的每行对应指定模式P的一个模式实例；

1.2、对字典表中每一个模式实例设置一个指针，所述指针指向一个倒排索引表，所述倒排索引表存储了所有符合该模式实例的序列。

2.根据权利要求1所述的限定性模体的发现方法，其特征在于，所述对每个模体实例I_i与待检测的正例和反例核苷酸序列进行比较验证时，分别设置针对正例和反例不同的比例阈值，以使得在正例序列集合中有大于或等于正例比例阈值的序列包含符合实例I_i的l-mer，而在反例序列集合中有小于或等于反例比例阈值的序列包含该实例I_i的l-mer，则I_i即为符合条件的模体。

3.根据权利要求1所述的限定性模体的发现方法，其特征在于，所述步骤3)具体包括：

3.1、设核苷酸的序列的长度为m，指定模式P的长度为l，所述核苷酸序列中正例序列包含m-l+1个l-mer，考虑到给定核苷酸序列的双链结构，所述核苷酸序列包含的l-mer数为2*(m-l+1)个；

3.2、设序列集合S_P＝{S_P1...S_Pn}，其中一条序列S_Pi对应2*(m_i-l+1)个l-mer，M_Pi＝{I_i1，…}为S_Pi包含的模式P的实例集合，且反例序列集合S_N＝{S_N1...S_Nn}，序列S_Nj包含的l-mer数为2*(m_j-l+1)个，其中M_Nj＝{I_j1，…}为S_Nj中包含的模式P的实例集合；

3.3、设给定序列集合S_P＝{S_P1...S_Pn}和S_N＝{S_N1...S_Nn}，运行后找到符合模式P的模体集合为M＝(M_P1∩...∩M_Pm)-(M_N1∪...∪M_Nn)。

4.根据权利要求1所述的限定性模体的发现方法，其特征在于，所述步骤3)后还包括步骤4)：

应用打分函数对所获得的模体进行评分，找到得分最高的模体，并将其输出。

5.根据权利要求4所述的限定性模体的发现方法，其特征在于，所述评分过程中设置highestscore和motif两个参数，分别表示进程得到的最优模体及其相对熵分数，在最后的输出过程中输出所有结果中得分最高的模体。