[发明专利]基于k茎的核糖核酸假结结构的预测方法及装置

说明书

技术领域

本发明属于生物信息工程领域，涉及一种对核糖核酸(以下简称为RNA)的假结结构进行预测的方法，尤其涉及基于k茎的RNA假结结构预测的方法及装置。

背景技术

RNA是生物系统内最为重要的大分子之一，它在生物体内行使多种功能，是合成蛋白质的模板。RNA二级结构预测用于蛋白质功能分析，是RNA三级结构预测的基础。假结(pseudoknot)是RNA中最广泛的结构单元，是非常复杂和稳定的RNA结构，假结在RNA分子中具有构造、催化和调节功能，是目前RNA结构预测研究的关键点。

RNA二级结构预测采用的方法主要有两种：早期采用的是序列对比分析方法，即对于在不同有机体中起相同生物功能的一级结构进行比较，此方法的困难之处在于：许多RNA分子的同源序列不易得到；需要大量人力，效率较低，所以目前主要采用的是最小自由能量方法。

最小自由能量算法的理论依据是稳定的RNA二级结构的自由能量最小。基于最小自由能量算法的PKNOTS算法使用O(n⁶)时间和O(n⁴)空间计算任意的平面假结和部分非平面假结。PKNOTS算法仅能计算长度短于140个碱基的RNA序列，不能满足较长RNA序列结构预测的需要。PknotsRG算法计算由两个茎区构成的简单的嵌套假结，其中任意两个假结为并列或嵌套关系。事实上，由内环和凸起构成的假结在RNA中普遍存在，交叉假结也具有重要作用。因此，两者都不能被忽略。平面假结是最广泛的假结子类，包含上面提到的由内环和凸起构成的假结以及交叉假结的情况。PseudoBase数据库的所有序列中仅一个序列折叠为一个非平面假结，其余序列都折叠为平面假结。因此我们主要考虑任意平面假结的计算。

Zuker首次将动态规划算法用于最邻近邻居模型，提出了MFOLD算法，经过二十多年的不断改进和发展，现己成为国际上广泛使用的RNA二级结构预测方法，对于包含n个核苷酸的RNA序列，MFOLD算法使用O(n³)时间和O(n²)空间预测其最优二级结构，目前对于长度小于700个核普酸的RNA序列，MFOLD算法可正确预测大约73％的RNA基对，但对于长序列和部分子类的预测正确率会降低，该算法仅仅给出了三级结构预测的粗略框架，另外由于算法本身的限制，MFOLD算法不能预测假结和更复杂的三级结构。

发明内容

本发明解决的技术问题是使得对RNA结构预测、尤其是对基于k茎包含假结的RNA结构进行预测方法，降低预测的时间复杂性和空间复杂性，提高预测准确性。

本发明涉及的一种基于k茎的核糖核酸假结结构的预测方法包括以下步骤：

输入一段核糖核酸碱基序列；

定义假结、k茎，k≥1；

从左向右查找碱基和k茎，对查找出的所有k茎进行标记；

根据两个以上k茎碱基对的交叉构成假结结构特性，查找假结；

计算出包含k茎的核糖核酸假结结构的最小能量；

输出核糖核酸的假结结构。

1茎(记为S₁[i,j])由碱基对(i,j)和(r,s)∈S所封闭，设(k-1)茎由碱基对(r’,s’)和(k,l)∈S所封闭，i<r<r’<k<l<s’<s<j，v＝r’–r+s-s’>2，则由(i,j)和(k,l)∈S所封闭的结构称为k茎(记为S_k[i,j])。其中，两个k茎中碱基对的交叉构成假结。从左向右查找碱基时，首先查找1茎，若找到1茎，则对1茎中的所有碱基标记，同理，查找2茎、3茎……k茎，若找到，则对k茎中的所有碱基标记。

一种基于k茎的核糖核酸假结结构的预测装置包括：

输入单元：其输入一段核糖核酸碱基序列；

定义单元：定义1茎、2茎……k茎；

查找单元：从左向右查找碱基，对查找出的所有1茎、2茎…k茎中的碱基进行标记；

假结结构查找单元：根据两个以上k茎碱基对的交叉构成假结结构特性，查找假结；

假结计算单元：计算出包含k茎的核糖核酸假结结构的最小能量；

输出单元：其根据最小能量原理，输出核糖核酸碱基序列的假结结构。

本发明的方法的搜索速度、正确率、敏感性和特异性都优于PKNOTS算法。因此本方法在平面假结的预测上比PKNOTS算法更有效。

附图说明

图1是本发明的基于k茎的RNA假结结构的预测方法流程图；