[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

摘要

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。

主权项

1.基于DFT的RNA二级结构距离计算构建系统发育树的方法，其特征在于，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；xi,yi,zi∈[‑1,1]；Ai、Ui、Gi、Ci、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：将步骤1)得到的(3×N)的二维矩阵拆分成只包含[x1,x2,x3......xN]的x轴序列Lx(N)，只包含[y1,y2,y3......yN]的y轴序列Ly(N)，只包含[z1,z2,z3......zN]的z轴序列Lz(N)，分别将Lx(N)、Ly(N)和Lz(N)进行DFT变换，对应得到序列Fx(k)、Fy(k)和Fz(k)；所述Lx(N)的DFT变换公式如下：式(2)中，k＝0,1,2,...,N‑1，N表示RNA二级结构序列的长度；同理Ly(N)和Lz(N)分别进行DFT变换对应得到Fy(k)和Fz(k)序列；Fx(k)在特定的k频率下的DFT功率谱PSx(k)表示如式(3)：PSx(k)＝|Fx(k)|2,k＝0,1,...,N‑1    (3)同理分别得到Fy(k)和Fz(k)对应的功率谱Psy(k)和PSz(k)；3)提取功率谱的特征值：根据步骤2)所得的功率谱PSx(k)、Psy(k)和PSz(k)，按公式(4)提取RNA二级结构x轴上功率谱的特征值：同理分别得到y轴和z轴上的特征值；则每一个RNA二级结构表示成唯一的三维向量[Px，Py，Pz]’；4)物种系统发育树的建立：具体步骤如下：4.1)使用欧式距离计算不同物种RNA二级结构间的距离dis(i,j)，具体公式如下：式(5)中，i，j分别表示不同物种，ik和jk表示RNA二级结构的特征向量，用式(5)分别计算出t个物种任意两个物种i和j之间的距离，则得到一个t×t的距离矩阵D；D是一个对角线全部为0的对称矩阵，每一个元素D[i,j]表示了物种i与物种j之间的RNA二级结构的距离；4.2)将步骤4.1)得到的距离矩阵D导入到分子进化遗传分析软件MEGA6.0中，构建系统发育树。