序列比对

摘要： 传统的地址匹配方法往往难以胜任中文地址匹配问题.首先,每个中文单字都是独立整体,在纠错上难度大于英文,其次中文地址体系结构复杂,缺乏一个统一的标准.本文结合生物信息领域的序列比对思想,提出了一种基于动态规划的中文地址匹配方法.该方法将中文单字看成字符单元,对中文地址进行序列化,改进Smith-waterman算法进行序列匹配.针对中文的单字特点,统计区分文字的重要性差异,构建非均权打分策略;引入空分罚分策略,解决错误匹配及其过度拟合问题;使用排序均一化策略,优化了排序效率,增加了结果集的多样性.最后,将本算法应用于杭州市实际路网(1:30万),实验结果表明,该算法可以有效提升中文地址匹配精度.

摘要： 为了研究五指山猪VRTN基因,获得基因序列并分析基因结构和相关遗传变异。试验利用PCR扩增猪VRTN基因序列,通过DNA测序寻找该基因中的碱基突变位点。结果显示,在五指山猪VRTN基因第2外显子中共发现10处碱基突变,其中3个错义突变、6个同义突变;在五指山猪VRTN基因内含子中检测到291 bp左右的插入突变,但该插入突变的频率极低。研究成功获得五指山猪VRTN基因序列信息,为下一步五指山猪VRTN基因的功能研究奠定基础。

摘要： 第三代测序技术产生的长序列错误率非常高,现有的长序列纠错算法还有待进一步提升纠错质量。本文通过遍历k值可变de Bruijn图来扩展连接种子形成种子序列,使得序列路径覆盖长序列中未与短序列比对的区域;采用序列比对来纠正长序列与短序列对准的区域,并使用种子序列路径来纠正长序列未与短序列对准的区域。在模拟数据集和真实数据集上的实验结果表明,与已有的长序列混合纠错算法相比,本文的算法获得较高质量的纠错序列。

摘要： 为了解2021年河南南阳地区猪繁殖与呼吸综合征病毒ORF5基因遗传变异情况,通过RT-PCR方法对从南阳地区采集的临床疑似猪繁殖与呼吸综合征样品进行检测,然后对阳性样品进行ORF5基因扩增和测序,应用DNA Star和Mega软件对所测序列进行同源性和遗传进化分析。结果显示,从患病仔猪的病料中扩增出8份阳性样品,分别命名为THX01、THX02、THX03、THX04、XYX05、XYX06、XYX07、XYX08。系统发育树分析表明,该8株流行株均为美洲型毒株;其中THX02株与以HUN4为代表的高致病性毒株处于同一分支属于Subgroup V,其余7株与以NADC30为代表的变异毒株处于同一分支,属于Subgroup I。PRRSV GP5推导氨基酸序列分析显示,在非中和表位aa27~aa30中,发生V27A、A29T、L28F突变;和非中和表位aa180~aa197中,发生V185A、I189V、I189L、R191K、V192I、Q196R突变。在中和表位aa37~aa45,发生L39I、L41S、N44K突变。这些研究表明河南南阳地区存在2种PRRSV毒株,且以Subgroup I型为主,GP5抗原表位存在一定变异,这些位点的突变可能会导致GP5蛋白的免疫原性和毒株毒力改变。本研究揭示了南阳地区PRRSV的流行情况,为该地区防控PRRS提供参考。

摘要： 壳寡糖具有多种生物活性,是目前仅知的唯一碱性寡糖,在食品、农业和生物医药领域应用广泛。壳聚糖酶可以特异性切割壳聚糖中的β-1,4糖苷键,形成不同聚合度的壳寡糖,因此,获得具有良好稳定性的壳聚糖酶是大规模酶法制备壳寡糖的关键。为了鉴定影响糖苷水解酶(Glycoside hydrolase,GH)46家族壳聚糖酶酸碱耐受性的相关氨基酸位点,选取来自芽孢杆菌(Bacillus sp.)DAU101(最适pH为7.5)的壳聚糖酶为模板,以来自芽孢杆菌的壳聚糖酶Csn-BAC为研究对象,综合同源建模和序列比对的方法,选取了4个候选位点并构建了4个突变体(V1:P68A;V2:A137G;V3:A203M;V4:H234E)。结果显示,与Csn-BAC相比,4个突变体的热稳定性均出现了不同程度的下降,而酸碱耐受性有了明显的提升。结果表明,选取的氨基酸位点对酸碱耐受性均产生了显著的影响,同时表明该策略在改造壳聚糖酶稳定性方面是一种有效的方法。

摘要： 【目的】对菜蚜(桃蚜、甘蓝蚜和萝卜蚜)的OBP和CSP基因进行序列比对和结构分析,为菜蚜气味识别和化学感受相关研究和应用提供参考。【方法】基于公共转录组数据,采用BLAST、多序列比对、保守半胱氨酸序列分析、进化发育树构建和蛋白三维结构同源建模等方法鉴定和分析甘蓝蚜和萝卜蚜的OBP和CSP基因。【结果】甘蓝蚜鉴定出12个OBP基因、8个CSP基因,萝卜蚜鉴定出12个OBP基因和12个CSP基因;经序列比对和系统进化树分析,直系同源基因在3种菜蚜(甘蓝蚜、萝卜蚜及桃蚜)之间相似度较高,但不同OBP和CSP基因分化明显;基于保守半胱氨酸序列分析发现,菜蚜的OBP1-4、OBP7-12和OBP14-17属于Classic OBP亚家族,OBP5和OBP6属于Plus-C OBP亚家族,菜蚜CSP基因的半胱氨酸模式序列较保守;Motif特征分析表明菜蚜CSP基因比OBP基因更保守;采用同源建模方法发现豌豆蚜和3种菜蚜的OBP3蛋白三维结构极其相似。【结论】3种菜蚜OBP基因和CSP基因在基因数目和序列特征上存在一些差异,但是直系同源基因之间非常保守。

摘要： 硝化细菌是微生物脱氮的关键功能菌群之一,筛选优质硝化细菌对于强化微生物脱氮具有重要意义。将河流沉积物、土壤自然环境和市场售人为环境3种生境来源的硝化细菌功能进行比较研究,并利用分子生物学手段分析了硝化细菌群落结构。结果表明,沉积物生境中硝化细菌的活性以及耐氨氮、pH和盐度等环境因子的能力高于土壤和市售硝化细菌。利用MPN-PCR法和克隆文库分析法对各生境硝化细菌丰度及群落结构组成进行分析,发现沉积物生境中硝化螺旋菌(Nitrospira)生物量较高,促使该生境硝化细菌氨氮去除率较高。沉积物生境中硝化细菌的高耐氨氮和耐pH能力与群落中存在硝化杆菌(Nitrobacter)有关,而高耐盐性可能是由于该生境中存在耐盐或适度嗜盐特异基因型硝化细菌,运用Blast程序进行序列比对发现,这些特异基因型硝化细菌为不可培养微生物。

摘要： Web中包含大量有用的信息,但由于它们是半结构化的,非专家用户在进行数据转换和集成时不能很好地利用。为此本文提出了一种基于实例的数据转换方法,用户只需要提供适当的输入–输出示例就可以得到所需的转换。首先,利用基于序列比对的模式距离度量方法依据用户提供的示例生成代表性示例;其次,提出了一种基于信息熵的代码分析方法,利用该方法与代表性示例结合来筛选与转换任务相关的候选函数;最后,通过函数排名将相关函数先进行列转换,再行合成与所有示例一致的数据转换程序。本文利用房地产领域数据集进行了实验评估,结果表明,该方法可以处理目前许多现有系统不支持的常见转换,并且能够实现实验系统中近80%的数据转换,其准确率远高于其他同类型系统。

摘要： 通过构建参考基因组的二级Hash索引,以快速筛选出测序长序列在参考基因组中可能匹配的候选区域;建立测序序列局部索引,以加速测序序列和参考基因组候选区域之间的映射定位;对每个候选区域里的k-mer与测序序列的索引命中进行左右扩展获得比对种子;采用等距离抽样方式对种子抽取多个位置,利用抽样结果建立判断依据来过滤掉那些不可能匹配的种子;建立处理包含“均聚物”类型错误的序列片段全局比对得分方程,并行填补比对骨架的空隙,并采取GPU显存预分配和后释放独立的并行比对策略,以提升序列片段全局并行比对效率.模拟与真实数据的实验结果表明,相较于已有同类的长序列比对并行算法,本文提出的并行算法获得整体上较高的比对敏感度、碱基层次灵敏度和准确度,且可有效处理第3代测序长序列含有的“均聚物”类型错误,显著加速了大规模长序列与参考基因组比对的完成.

摘要： 草莓在定植后至开花结果期常发生萎蔫死苗现象,该萎蔫病在福建省的发病率达10%~20%,探明该病的病原,有助于指导病害的防控。从福建省福州、宁德、泉州等地市的草莓种植园采集病样12份进行病原菌纯化培养,通过病原菌株形态观察、致病力接种验证、菌株ITS序列比对以及系统进化树分析来鉴定病原菌。结果表明病原菌菌丝体为白色,分生孢子堆为橘黄色,分生孢子长椭圆形、单孢、两端钝圆、无色透明,长约10~15 um,宽约2~4 um;其ITS序列与数据库中Colletotrichum asianum(登录号为MN272369.1)菌株的序列同源性为99.83%,在系统进化树上两者聚在同一分支上,遗传距离最近。结合菌株的形态特征、序列分析和系统进化分析,鉴定出引起福建省草莓萎蔫死苗的病害病原菌为Colletotrichum asianum。研究结果为该病害的有效防治提供了理论依据。

摘要： 本文提出一种基于序列比对的变电站仿真培训方法.通过采用碰撞检测技术,设置触发器,记录学员每一步仿真操作,形成实际操作序列;并采用合理的知识表示方法,建立设备操作规则库,形成标准操作序列;通过序列比对算法,将标准操作序列与实际操作序列相比对,结合推理机,对学员操作结果进行比对评价.

摘要： 生物序列比对是生物信息学领域重要的研究工具,主要用于确定序列的生物属性.由于该领域应用的广泛性、计算的复杂性以及海量数据特征,对计算机性能提出越来越高的高求,迫切需要高性能计算的支持.对基于硬件加速的生物序列比对进行综述,侧重从高性能计算对序列比对领域的影响及挑战的角度,按照比对时所使用的体系结构的区别,对目前基于硬件加速的序列比对方法进行了归类;分别对各类方法作了深入的对比分析并总结出技术难点;最后,经过对现有研究工作的分析,对该领域存在的问题作出了总结,展望了今后的发展方向.

摘要： 生物序列比对是生物信息学研究中最基本的研究方法.随着生物序列数据的快速增长,大批量序列比对变得极为耗时.针对这个问题,许多已有的高性能计算技术开始用于加速序列比对过程,GPU计算就是其中之一.已有的基于GPU的生物序列比对工具过分强调速度提升,但是缺少对准确度,性能功耗比,性价比和编程复杂度等方面的考虑.本文通过文献分析的方法.从以上四个角度详细地比较了这些基于GPU的生物序列比对工具,并进一步分析了GPU用于生物序列比对的可用性.

摘要： NF-κB1/2均隶属于NF-κB基因家族,含有RHD、IPT、ANK与DD四个结构域,在机体免疫和炎症反应中有重要的作用.NF-κB1/2在脊椎动物的各个类群中发生了功能分化,但是其功能分化的原因还未见报道.因此,本研究对NF-κB1/2基因进行序列比对,系统发育树的构建与选择压力预测等多种生物信息学技术分析旨在分析NF-κB1/2功能分化原因,定义其各个结构域在其进化历程中的地位.选择压力分析发现不同种类动物NF-κB1/2 保守结构域ω值存在差异，说明NF-κB1/2 各个结构域在不同的进化阶段存在着明显不同的进化历程。

摘要： 为探明我国水貂震颤综合征(Shaking mink syndrome,SMS)的病因,本研究检测了2012-2013年4个水貂养殖地区的17份疑似SMS病例,采用常规方法对细菌进行分离鉴定,采用试纸条检测犬瘟热病毒(CDV)和犬腺病毒Ⅰ型(CAV-Ⅰ).采用对流免疫电泳方法检测水貂阿留申病毒(ADV),检测结果以上病原均呈阴性.采用RT-PCR方法检测水貂脑部组织中的星状病毒(Astrovirus,AstV),选取1份阳性病例进行AstV ORFla片段全长扩增,并进行序列比对.病料检测结果表明17份病例中有6份AstV检测结果为阳性,扩增的PCR片段大小为497bp,阳性率为35％0而CDV、CAV-Ⅰ、ADV检测结果均为阴性.其中1份采自盘锦(PJ)的阳性病例中的星状病毒ORFla序列扩增结果表明PJ株与来源于美国(US)和瑞典(Sweden SMS-AstV)的水貂星状病毒在进化树上处于同一遗传分支,核苷酸相似性为92％,推测我国水貂发生SMS病例中PJ-AstV的来源与瑞典(Sweden SMS-AstV)株有一定相关性.

摘要： 本文利用外源表达的方法表达眼镜蛇C7基因，为眼镜蛇蛇毒在医学上的应用奠定基础。直接用广西眼镜蛇基因组DNA，利用拼接PCR的方法能有效拼接两个外显子序列，能成功获得广西眼镜蛇CT基因成熟肽序列，说明拼接PCR的方法能够用于成熟肽完整序列的得到和扩增;通过序列比对发现，广西眼镜蛇CTS因成熟肽序列具有较高的保守性;pET30a(+）-CT载体可在大肠杆菌BL21中表达。

摘要： 对宁夏发生6起临床怀疑为牛传染性支原体肺炎的疫情进行诊断。采集牛肺脏病变区和牛鼻腔棉拭子，采用RT-PCR法和序列比对进行初步鉴定和诊断。结果表明，外调牛经长途贩运后，1周内可发病，肺脏呈大理石样变，病原在同群牛之间可迅速传播。调查结果表明，在引进牛群时应对引进牛逐只进行牛传染性支原体肺炎检测;不要从疫区引进牛;对阳性牛扑杀和无害化处理，同时对检测阴性牛紧急隔离可以有效阻止疫情扩散和蔓延。

摘要： 本文对仔猪进行滴鼻感染，并使用MEGA3.1软件的SLUSTAL W方法进行序列比对，邻近法绘制系统进化树，分析了A/sw/SH/1/2007毒株抗原表位，细胞受体位点和对仔猪、鸡和小鼠的致病性。为研究中国H1N2分离株的特征和流行病学信息提供依据。

摘要： 基质辅助激光解析/电离-飞行时间质谱分析(MALDI-TOFMS)是一种新兴的软电离质谱分析,被用来绘制细菌及其他微生物的蛋白质质谱.这类质谱可以与已知的参考数据库进行比对,从而快速而准确的对微生物鉴定到属、种乃至某株.最近商品化的MALDI-TOF质谱仪发展迅猛,使得这项技术在欧洲可被用于临床微生物实验室的常规细菌诊断.本文就MALDI-TOFMS技术的原理和与其在微生物鉴定中的应用做一简要论述,包括细菌、分枝杆菌以及真菌.

摘要： 基质辅助激光解析/电离-飞行时间质谱分析(MALDI-TOFMS)是一种新兴的软电离质谱分析,被用来绘制细菌及其他微生物的蛋白质质谱.这类质谱可以与已知的参考数据库进行比对,从而快速而准确的对微生物鉴定到属、种乃至某株.最近商品化的MALDI-TOF质谱仪发展迅猛,使得这项技术在欧洲可被用于临床微生物实验室的常规细菌诊断.本文就MALDI-TOFMS技术的原理和与其在微生物鉴定中的应用做一简要论述,包括细菌、分枝杆菌以及真菌.

摘要： 本发明提供一种基于对比对抗训练的日志序列异常检测方法，包括训练和检测两个阶段。训练阶段包括对日志数据进行解析；获取日志序列并提取出一个负样本日志序列集合；判断检测模型的损失是否趋于稳定，如果趋于稳定，则使用FGM进行对抗训练扰动BERT的嵌入层；将正、负样本日志序列输入到模型中，生成被扰动的语义向量后取消对嵌入层的扰动，再次生成未被扰动的语义向量；使用对比学习并且继续保持原本的有监督训练任务来对模型进行训练；判断训练集中是否已经没有日志序列，如果判断没有需要训练的日志序列则停止训练。检测阶段包括将待检测的日志序列输入到训练后的日志序列异常检测模型，查看模型的输出，根据输出结果判断日志序列是否异常。

摘要： 本发明公开了一种数据集列序列化的高效连接比对实现方法及装置。其中方法包括根据数据集A和数据集B的变量，挑出数据集A和数据集B的连接列；对数据集A包含的各连接列合并，以及各非连接列合并得到数据集A′；对数据集B包含的各连接列合并，以及各非连接列合并得到数据集B′；比对数据集A′与数据集B′连接列，根据比对结果，将数据集A′和数据集B′合并为数据集C；根据非连接列数据来源，对数据集C的非连接列进行排列组合，获得数据集A与数据集B的连接结果。本发明将数据集的多个变量合并成一个，使原本需要多列比对的数据，通过一列比对就能完成，缩短了比对的时间；并且，本方法不需要进行对象的排序，减少了排序的性能开销。

摘要： 本发明提供一种基因序列非比对方法、装置和电子设备，其中基因序列非比对方法，包括：基于预设非比对原则，将参考基因序列转换为目标氨基酸序列；其中，所述预设非比对原则用于将所述参考基因序列划分为目标碱基组且基于所述目标碱基组确定所述目标氨基酸序列；基于预设k‑mer模型，确定所述目标氨基酸序列的目标k‑mer特征向量；其中，所述预设k‑mer模型用于基于所述目标氨基酸序列中连续k个目标氨基酸的频率确定所述目标k‑mer特征向量；根据所述目标k‑mer特征向量，确定所述参考基因序列的距离矩阵，以构建发育树。使用本发明方法，能够通过无比对的基因组分类方式实现提高基因组进化分析的效率及准确率的目的。

摘要： 本发明公开了一种基于GPU的序列比对算法的比对结果处理方法，包括：初始化GPU的块大小为Bs，并确定线程数量为N，用户输入的待查询序列Q的长度为qlen，GPU在共享内存中建立分值缓冲区score[Bs]和比对结果缓冲区val[Bs*17][2]，GPU初始化线程号为tid，score[]为零，val[][]为零，缓冲器标记p＝1，段计数器s＝0，线程号tid小于线程数量N的所有线程在纹理内存中查找相应的数据库序列，并将数据库序列的序列号sid设置为线程号tid，设置计数器i＝0，每个线程分别取出相应数据库序列中的第i个字符，设置计数器j＝s，每个线程分别取出待查询序列Q中的第j个字符。本发明能实现Smith-Waterman算法快速打分，且能高效直观地写回比对结果，从而为回溯部分获取最佳匹配片段提供分值矩阵。

摘要： 本发明公开了一种基于GPU的序列比对算法的比对结果处理方法，包括：初始化GPU的块大小为Bs，并确定线程数量为N，用户输入的待查询序列Q的长度为qlen，GPU在共享内存中建立分值缓冲区score[Bs]和比对结果缓冲区val[Bs*17][2]，GPU初始化线程号为tid，score[]为零，val[][]为零，缓冲器标记p＝1，段计数器s＝0，线程号tid小于线程数量N的所有线程在纹理内存中查找相应的数据库序列，并将数据库序列的序列号sid设置为线程号tid，设置计数器i＝0，每个线程分别取出相应数据库序列中的第i个字符，设置计数器j＝s，每个线程分别取出待查询序列Q中的第j个字符。本发明能实现Smith-Waterman算法快速打分，且能高效直观地写回比对结果，从而为回溯部分获取最佳匹配片段提供分值矩阵。

摘要： 本发明公开了一种基于多序列比对的酶序列生成方法、装置、介质和设备。该酶序列生成方法包括：从序列数据库中筛选出与目标酶的完整氨基酸序列相似的若干条相似氨基酸序列；将完整氨基酸序列和若干条相似氨基酸序列进行多序列比对处理，获得若干条对齐氨基酸序列，其中各条对齐氨基酸序列的长度相同；将若干条对齐氨基酸序列作为训练样本对预先构建好的生成式对抗网络模型进行训练，获得氨基酸序列生成模型；利用氨基酸序列生成模型生成目标酶的多条扩展氨基酸序列。通过筛选相似的天然氨基酸序列并进行多序列比对处理，模型可以充分学习到并保留氨基酸序列中的关键位点信息，这样利用模型生成全新的氨基酸序列中具有酶活性的比例更高。

摘要： 本发明提供了一种序列比对方法、序列校正方法及其装置，涉及生物信息技术领域。该序列比对方法主要包括区间比对、碱基比对，配合序列压缩、比对结果优化存储手段，实现了高效、高准确度的比对。该序列校正方法是基于比对结果，通过正序计分、反序回溯，进一步的对低质量区进行校正，实现高效、高准确度的比对。

摘要： 本发明公开了一种基于状态序列比对的时间序列距离度量方法，包括：利用回声状态网络分别将待比对的两个原始时间序列的每个时间点的观测信息转换为隐含状态，从而获得两个状态序列；计算两个状态序列的距离，并作为两个原始时间序列的距离。本发明上述方案利用回声状态网络，将原始时间序列转换为状态序列，每个时间点的状态反映了当前时间点及之前的序列，从而考虑了时序信息；利用时间序列比对计算距离，不需要要求足够大的数据量，同时对时间序列的局部特征检测显著。

摘要： 本发明提供了一种基于改进生物地理学优化算法的多序列比对方法及系统，包括：数据采集模块，被配置为：获取原始多序列数据；对比模块，被配置为：依据原始多序列数据，以及预设的隐马尔科夫模型，得到比对结果；其中，所述隐马尔科夫模型中，将每一个栖息地看作是一条隐马尔科夫链，利用改进生物地理学优化算法优化所述隐马尔科夫模型中存在的参数；本发明针对基因多序列比对问题，在HMM模型中，每一个栖息地看作是一条隐马尔科夫链；然后利用改进的算法MPBBO优化HMM模型中存在的参数，不断提高比对的精度；改进的MPBBO算法具有较强的全局探索能力、局部开发能力和收敛速度较快的特点；能获得较为精确的基因序列比对结果。

摘要： 本发明属于生物信息学技术领域，具体涉及一种基因多序列比对方法、设备和系统。本发明的基因多序列比对方法包括如下步骤：步骤1，设置模板信息，所述模板信息包括待分析基因的模板序列、保守基序位置和保守基序长度；步骤2，根据步骤1的模板信息作为参照，对待分析序列进行校正和多序列全局比对，形成数据集。本发明还提供应用上述基因多序列比对方法的设备和系统。本发明的技术方案能够大大减少基因多序列比对的工作量，显著提高多序列比对工作的效率。因此，具有很好的应用前景。