[发明专利]基于DFT的RNA二级结构距离计算构建系统发育树的方法

说明书

本发明公开了基于DFT的RNA二级结构距离计算构建系统发育树的方法。通过将RNA的二级结构中的自由基和配对碱基映射成可视化的坐标系，然后利用DFT在不丢失信息的情况下挖掘RNA二级结构x、y和z轴坐标系隐藏的信息，从而获得RNA二级结构在x、y和z轴序列功率谱，通过分析DFT的功率谱特征，选取合适的提取公式计算RNA二级结构x、y和z轴上的特征值，作为RNA二级结构的特征向量，通过计算不同RNA二级结构特征向量间的距离构建物种系统发育树，研究物种的进化关系。本发明的方法，简化了通过RNA序列比对计算距离构建相似度的复杂度，避免了RNA序列比对算法忽略RNA二级结构的弊端，能够快速准确地根据物种RNA的二级结构计算距离，生成准确的系统发育树。

技术领域

本发明属于系统发育树构建方法，特别涉及基于DFT的RNA二级结构距离计算构建系统发育树的方法。

背景技术

核糖核酸(缩写为RNA，即RibonucleicAcid)，近几年，越来越多的研究表明RNA在抵御细菌侵扰和治疗肿瘤方面作用重大，研究RNA分子结构的组成和特点也随之成为了一个热点问题。事实上，RNA的二级结构相比原始序列更加具有保守性，如何计算RNA二级结构间的距离用于RNA二级结构的功能预测变得尤为重要。基于比对计算RNA序列间的距离方法，消耗了大量的计算资源，耗时较长，也得不到比较好的比对结果；同时基于比对计算RNA序列间的距离方法，只考虑了RNA的一级序列顺序结构，忽略了RNA二级结构固有的自身的回折后依据特定碱基配对A-U，C-G，G-U之间的氢键形成稳定的二级结构，计算RNA二级结构间的距离不准确。无需比对计算RNA二级结构在不丢失精度的情况下，能够节约计算资源，降低计算复杂度(算法整体的时间复杂度达到O(n²)，其中n为RNA二级结构序列中最长的序列长度)，相比基于比对计算RNA序列间的距离方法(时间复杂度达到了O(m*n²)，其中m表示基于比对的RNA二级结构序列的数量，n表示所有RNA二级结构序列中最长序列的碱基数目)具有明显的优势。

发明内容

针对上述技术问题，本发明提供基于DFT的RNA二级结构距离计算构建系统发育树的方法。

本发明解决上述技术问题的技术方案如下：

基于DFT的RNA二级结构距离计算构建系统发育树的方法，具体步骤如下：

1)RNA二级结构的映射规则：

用A，G，C，U符号分别表示RNA二级结构中未配对的碱基，用A’，G’，C’和U’分别表示RNA二级结构中的配对碱基，则得到RNA二级结构5’端到3’端的特征序列，通过如下公式(1)将RNA二级结构中的自由基和配对基表示为一个(3×N)的二维矩阵：

式(1)中：

i＝1,2,3....N；x_i,y_i,z_i∈[-1,1]；

A_i、U_i、G_i、C_i、A'_i、U'_i、G'_i、C'_i分别对应表示从上述特征序列中第一个碱基到第i个碱基中A、U、G、C和A’、U’、G’、C’中的碱基数量，N为RNA二级结构的所有碱基数量；

2)RNA二级结构x、y和z轴序列的离散傅里叶变换：