基因四进制理论序列与实际序列特性比对

《基因四进制理论序列与实际序列特性比对》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基因四进制的理论序列与实际序列的特性比对基因四进制的理论序列与实际序列的特性比对邓宇（清华大学第一附属医院）　　基因组的试验研究异常火热，基因组的序列分析、算法、数据库的扩容如火如荼，理论基因组的发轫，星火正开始悄悄燃起。我们用类似语言学中对词频分布的研究方式，对基因碱基理论序列与实际序列进行了初步比较，想看看基因这本大书中，不同碱基符、碱基词组各有多少个？以及占总基因谱的比例，即分布。　　"基因四进制"[1]可以为碱基词的理论生成，及有规律的符号、词组序列提供比较的理论基础。比如，看看第一位碱基符A在基因组中有多少个，也可以看看二位基因词，如TC，GA；三位碱基（词）组CTG，AAG

2、等各有多少，各占比例，从而揭示基因词的存在及词法，语法规律。为生命基因组的伟大探索加把油、吹鼓风，用"新信息理论"[2-8]（信息守恒律，信息的运算，信息的化学反应等新广义信息论，基因序列的正弦、余弦曲线拟合），理论基因学、理论生物信息学的基因数字实验、计算机试验，计算机数字模拟开辟基因－生命信息学研究的新天地。基因的理论实验数字、实验计算，理论基因组与实际基因组的结合，以计算机为实验仪器，碱基数字为实验原料，基因进位制为根基，将为基因的理论试验探索和发展开拓新途径。一、材料方法　　1、核酸序列的来源：从Genbank，ENBL的核苷酸序列数据库EMBL-Bank下载：AY644963

3、、BC011974等核酸序列，碱基合计6万多个的实际序列作为比对的原始基因库来源。　　2、方法的理论基础--基因四进制：根据我们建立的基因四进制[1]，利用碱基、核酸的四个基符A，G，T，C（个位、第一位）为元素，及"逢四进一"规则，创造了基因，核酸的四进位制符号系统。该基因的理论进位系统的第一位、个位有4个符号元：A，G，T，C；第二位（相当于十进制的十位）有4×4=16个组员，AA，AG，AT，AC，GA，GG，GT，GC，TA，TG，TT，TC，CA，CG，CT，CC；第三位有43=64个成员，AAA，AAG，...，CCC；第四位有44=256个成员；...；第n位有4n个成员

4、AA...A，AA...G，...，CC...C。构造出了理论的或人工基因四进制系统，对基因实验和理论研究开辟了一条新路。　　3、验证思路策略：利用"基因四进制"理论模型，寻找碱基排布规律，解读基因密码锁匙。核酸生命的语言，遣词造句的"全息规则"。　　4、验证方法　　首先，用（数据库）程序生成四进制的基因符号系列，第一位，第二位，第三位，第四位，...，第n位。再将每位的每一个成员与基因数据库的碱基序列作对比。如用"GTC"从基因序列AY644963、BC011974等的开头开始，搜索"GTC"，在序列中若发现"GTC"就计个数，定个位，一直搜到序列的结尾，合计包含"GTC"的总数量，

5、待分析。其他组元，检索统计类似，都做全程搜索，记数。手工搜索太慢几乎不可能，故不适合。半手工半机器的搜索还是慢，自编程序的数字自动搜索计数才是上佳方法。二、结果1核酸A、G、T、C及其四进位制系统，各位频度的分布与理论值相比是不均匀、非平均的，即非遍历的，见表1及图1-9。2随着位数的增加，各基因符（类似数系的数字符号）差异（极差和极差度）逐渐增大。3基因四进制系统中，各位的频度分布，从大到小的排列分布多是横"S"形的曲线，见图1，4，7。4按"基因四进制"每位的顺序排布各位"基因词（基因数字符号）"，其数量分布轨迹是"波浪形"运动的，见图3，6，8，9　　表1.基因四进制第一位基因符

6、的理论与实测分布比对　　　　　　　　A　　G　　T　　C　　　　数量　　％　　数量　　％　　数量　　％　　数量　　％　　理论平均值　　15757　　25.0%　　15757　　25.0%　　15757　　25.0%　　15757　　25.0%　　实测值　　16980　　26.9%　　15621　　24.8%　　15412　　24.5%　　15016　　23.8%　　差异　　1223　　1.9%　　-136.3　　-0.2%　　-345.3　　-0.5%　　-741　　-1.2%　　差异率　　7.76%　　　　0.86%　　　　2.19%　　　　4.70%　　　　最大差异　　1964　　

7、12.5%　　　　　　　　　　　　　　图1.基因四进制第一位、"个位符（相当于'个位数'）"的实际分布状态。A最多，C最少。图2."个位符"的百分分布。以4个碱基'个位符'为X的值，"X轴"以基因四进制的基因符为符系（数系）坐标序列。图3.基因四进制第二位16个"二位碱基"基因符号序列的实际分布。X轴是基因"四进制"转换成"十进制"的坐标计量单位标注。图4.基因进制系第二位，按其在实际基因序列中分布，从大到小的排序。图5.四进制基因系中，各个"