DNA序列剖面

1、在随机生成的7个长为32个核苷酸的DNA序列中，在每个DNA序列中的随机位点插入相同的序列，长度为8的模式P=ATGCAACT，你不知道模式P是怎样的序列，或者不知道在每条序列中它插入在哪里，DNA允许这个模式P在某些核苷酸位点上出现突变，突变后形成不完全相同的7个模式。要求：通过对DNA序列的分析重构模式P。

2、算法：

      考虑一组t条DNA序列，每条序列中含有n个核苷酸。在这t条序列中，每条都选择一个位点，形成了一个数组S=(S1,S2,...,St)，其中1<=Si<=n-l+1。从这些位点起始的l-元组片段编码在一个t*l阶的联配矩阵，第(i,j)处的元素表示元素为第i条序列上的第Si+j-1个元素的对应的核苷酸。基于这个联配矩阵计算4*l阶的剖面矩阵，其中第(i,j)处的元素表示核苷酸i在联配矩阵中第j列中出现的次数，i从1到4，表示A、T、G、C。取剖面矩阵中具有最大记录数的核苷酸序列片段，形成共有字符串

    如1所述的7个突变的模式中，假设我们知道位置(...表示模式前后的DNA序列)。

   ......ATCCAGCT.......

   ......GGGCAACT.......

   ......AAGCAACC.......

   ......TTGGAACT.......

   ......ATGCCATT.......

   ......ATGGCACT.......

首先形成联配矩阵。

 

   ATCCAGCT

   GGGCAACT

   AAGCAACC

   TTGGAACT

   ATGCCATT

   ATGGCACT

接着形成剖面矩阵

   A    5 1 0 0 5 50 0

    T   1 5 0 0 0 1 1 6 

    G   1 1 6 3 0 1 0 0 

   C    0 0 1 4 2 06 1

最后得出共有字符串

        A T G C A A C T