[发明专利]基于基因条形码的生物物种识别方法

说明书

技术领域

本发明涉及一种生物物种的识别方法，更具体地说，本发明涉及一种基于基因条形码的自动物种分类识别方法。

背景技术

物种鉴定和分类隶属于传统生物分类学范畴，对物种进行鉴定分类是对其进行科学研究的基础和前提。虽然科学技术发展在维持生物多样性以确保生物种群安全、保护物种及预防传染性疾病流行等方面解决了许多重要的生物问题，但若想成功鉴定和描述物种，仍然是一个待解决的科研难题。2002年4月，德国科学协会提出了建立一个以DNA为基础的包含所有生物群体在内的分类系统的构想。并首次提出了“生物条形码”的概念，即利用一段短的DNA序列作为物种快速鉴定的标记，并希望以此建立起物种名称(条形码)和生物实体之间一一对应的关系。2003年美国科学院院士卡琳和他的同事以k-mer频率分布的分析为依据研究了各种基因组的性能，并指出，通过对整个基因组高达50K碱基对片段二核苷酸相对丰度的测量，标准化的k-mer频率对于单聚体的频率是总体稳定的。他们甚至提出，这种标准化的k-mer的频率分布可以作为基因组标签。2008年，周峰峰等利用条形码为所有的基因的DI-Mer频率进行灰度排序的思路，发现基因自身具有条形码的特征，并将其命名为基因条形码，该基因条形码的主要优点是为基因组提供了一种直观化、全局化的信息，使各种基因组的特征变得一目了然。他们通过研究发现基因条形码有很多有意义的属性：

1.所有的染色体基因组都有显著稳定的k-mer频率分布，从而产生一致的跨每个条码垂直条带灰度值；

2.片段的一小部份有明显不同和异常，与其他基因组的条形码(条形码中横条纹)的对比说明它有2-3类特殊的基因；

3.同一生物体的多个染色体一般有高度相似的条形码，但它们都有其异常片段的独特模式；

4.条形码的相似程度往往与‘系统发育的近似性’成正比。

发明内容

本发明所要解决的技术问题是首次提出用图形处理结合基因条形码进行物种种属鉴定识别，提供了一种基于基因条形码的生物物种识别方法。

为解决上述技术问题，本发明是采用如下技术方案实现的：所述的基于基因条形码图像的生物物种识别方法包括如下步骤：

1.基因条形码图像与基因条形码图像数据库的制作：

1)从http://www.ncbi.nlm.nih.gov/网站下载617条原核生物体的DNA核苷酸序列建立数据库。

2)根据文献[Zhou，F.et al.(2008)Barcodes for genomes andapplications.BMC Bioinformatics，9，546.]中所提出的方法制作所要识别的生物物种的基因条形码图像，其中取参数k-mer＝4，M＝1000。

2.对基因条形码图像的预处理：

1)采用灰度拉伸将灰度为[0，L]的基因条码图像拉伸到[0，255]。

2)再应用灰度增强，加强基因条码图像的对比度。

3.对基因条形码图像中外来基因片段的检索：

1)基因条形码图像的纵向分割。

2)横向外来基因片段的搜索。

4.物种识别：

1)确定两个物种之间的相似性度量即确定它们之间的空间距离：

采用4阶Minkovsky距离来测算物种基因间的相似性度量：设物种集为{Xi，i＝1，…，N}，X_i＝(X_i1，…，X_id)^T，d为特征向量的维数，N为特征向量的个数，Minkovsky距离由下式计算：