基于网络方法的DNA序列编码区•非编码区性质研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (21): 43-45.

基于网络方法的DNA序列编码区•非编码区性质研究

付新，徐振源

无锡江南大学信息工程学院理学院，江苏无锡 214122

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-21 发布日期:2007-07-21
通讯作者: 付新

Approach to propreties of coding and non-coding DNA sequence based on complex network theory

FU Xin，XU Zhen-yuan

School of Science，School of Information Science，Wuxi Southern Yangtze University，Wuxi，Jiangsu 214122，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-21 Published:2007-07-21
Contact: FU Xin

摘要/Abstract

摘要： 利用了一种基于图论理论的方法对DNA序列（片段）,其编码区及非编码区进行分析。该方法通过复杂网络研究生物体的拓扑结构，主要通过测量聚类系数（也可称：集团系数）构建网络的拓扑结构。依据DNA序列的前缀、后缀关联性质构造了所选取DNA序列（片段）,其编码区和非编码区的相关网络，发现以上网络分布满足幂率特征，有较大的聚类系数（集团系数）。结果表明构建得到的网络同时满足小世界网络和无尺度网络的特征,证明DNA序列不全是随机的序列,而是有随机扰动的确定结构的序列，特别是编码区。

关键词: DNA序列, 编码区, 非编码区, 聚类系数, 复杂网络

Abstract: This paper proposes a DNA sequence analysis method based on graph theoretical concepts.The methodology investigates the topology of an organism genome through a complex network.We characterize this complex network topology by measuring the clustering coefficient.We construct a correlation network by the correlations of DNA’s prefix and suffix.The degree distribution of this network obeys a power-law and the clustering coefficient is bigger one.The coexistence of skewed degree distribution and clustering characteristic tells us that has a hierarchical structure，and that proves the DNA sequences are not the stochastic sequences from the global，but are the definite structure sequences which has the stochastic perturbation.

Key words: DNA sequence, CNDA, NCDNA, clustering coefficient, complex network

付新，徐振源. 基于网络方法的DNA序列编码区•非编码区性质研究[J]. 计算机工程与应用, 2007, 43(21): 43-45.

FU Xin，XU Zhen-yuan. Approach to propreties of coding and non-coding DNA sequence based on complex network theory[J]. Computer Engineering and Applications, 2007, 43(21): 43-45.

[1]	马满福，郭晨彪，李勇，张钟颖，张强，王常青. 基于结构熵的注意力流网络异构性研究[J]. 计算机工程与应用, 2021, 57(23): 98-105.
[2]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[3]	李金海，何有世，张鹏. 融合情境语义推理及社会网络的团购推荐研究[J]. 计算机工程与应用, 2021, 57(18): 163-171.
[4]	王安，顾益军. 基于社区划分的节点重要性评估方法[J]. 计算机工程与应用, 2020, 56(8): 42-48.
[5]	陈杰，程胜，徐梦，史豪斌. 面向医疗辅助诊断的可视化多属性决策方法[J]. 计算机工程与应用, 2020, 56(8): 249-255.
[6]	胡青渝，刘广臣. DBN在蛋白质编码区识别问题中的应用研究[J]. 计算机工程与应用, 2020, 56(4): 247-255.
[7]	赵亮，朱征宇. 融入K-核迭代因子的重叠社区发现算法[J]. 计算机工程与应用, 2020, 56(3): 61-67.
[8]	杜轻，辛守庭，雷新宇，于海涛. 基于脑网络和TSK模糊系统的癫痫脑电识别[J]. 计算机工程与应用, 2020, 56(2): 133-140.
[9]	易成岐，郭鑫，童楠楠，窦悦，陈东，王建冬. 基于启发式社团发现模型的创新态势研判算法[J]. 计算机工程与应用, 2020, 56(15): 74-79.
[10]	蔡菲，张鑫，牟晓慧，陈杰，蔡珣. 深度非负矩阵分解的链路预测方法研究[J]. 计算机工程与应用, 2020, 56(15): 153-161.
[11]	张昕，郭阳. 复杂网络中的一种介度熵抗毁性度量方法[J]. 计算机工程与应用, 2020, 56(12): 105-111.
[12]	盛津芳，刘家广，王斌. 基于Katz自动编码器的城市路网链路预测模型[J]. 计算机工程与应用, 2019, 55(8): 116-123.
[13]	姚蓉1，杨雄1，杨鹏飞1，阴桂梅1，2，李海芳1. 精分EEG脑网络同步稳定性研究[J]. 计算机工程与应用, 2019, 55(5): 60-64.
[14]	陈紫扬，张月霞. 结合二层节点度和聚类系数的链路预测算法[J]. 计算机工程与应用, 2019, 55(23): 40-44.
[15]	王斌，李强，盛津芳，孙泽军. 基于边图的线性流重叠社区发现算法[J]. 计算机工程与应用, 2019, 55(2): 60-66.