導(dǎo)語：如何才能寫好一篇遺傳學(xué)條件概率，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

關(guān)鍵詞：Shannon熵 基因突變 多樣性

中圖分類號：TP39 文獻標(biāo)識碼：A 文章編號：1672-3791（2015）03（a）-0242-01

隨著計算機技術(shù)和信息技術(shù)的發(fā)展，對復(fù)雜冗長的DNA序列的分析研究變?yōu)楝F(xiàn)實。如何分析這些數(shù)據(jù)，提取相應(yīng)的特征量來描述生命體之間的聯(lián)系，是近年研究的熱門問題。通過近幾年的發(fā)展，也開發(fā)出一系列對比軟件，常用的有CLUSTRALW等軟件。

該文擬提取出不同DNA序列的平均互信息AMI作為特征參數(shù)，通過多元統(tǒng)計的方法對DNA序列進行描述，進而可以進行分類，在遺傳學(xué)、醫(yī)學(xué)等領(lǐng)域廣泛應(yīng)用。此種方法的優(yōu)點是計算簡單且速度較快，對大量數(shù)據(jù)的處理非常方便且準確率較高。

1 平均互信息AMI

對隨機變量M，事件m的自信息定義為：

其中p（m）是事件m發(fā)生的概率，自信息I（m）是事件m發(fā)生的可能性的一種度量，表示事件M=m發(fā)生時，事件m所含有的所能提供的信息量。

對隨機變量M和N，M的事件m與N的事件n之間的互信息定義為：

其中表示在事件n發(fā)生的概率下m發(fā)生的條件概率。

根據(jù)上述公式，可以定義基因序列的平均互信息（AMI）：

其中為4種核苷酸A、C、G、T的集合，如果固定X在基因序列上的某一位置，則Y為X下游方向間隔k個位置的核苷酸。和是核苷酸為X和Y的概率。其中表示前一個核苷酸為X，下游方向間隔k個位置為Y的組合的個數(shù)，這樣就表示X和Y間隔為k的聯(lián)合分布概率。當(dāng)k=0時，就表示了緊鄰二聯(lián)體核苷酸的概率，k=1時表示次緊鄰二聯(lián)體核苷酸的分布率[1]。

[2]就是基因序列的AMI，不同的k值對應(yīng)不同的，對于每一個基因組，我們都能夠得到一組向量，不同的基因序列，則可以得到不同的向量。

2 相關(guān)系數(shù)

在該文中我們選擇的是pearson相關(guān)系數(shù)，又稱為線性相關(guān)系數(shù)，它能反映兩個數(shù)據(jù)集之間的線性相關(guān)程度。

令為兩個向量和的Pearson相關(guān)系數(shù)，和代表的AMI各有k個分量（，，…，）和（，，…， ）。

這是一個范圍在[-1，+1]之間的數(shù)值，若相關(guān)系數(shù)為+1，表示兩個數(shù)據(jù)集合之間呈現(xiàn)完美的正線性相關(guān)；若相關(guān)系數(shù)為-1，則表示量數(shù)據(jù)集之間是負線性相關(guān)；若相關(guān)系數(shù)為0，則表示兩組數(shù)據(jù)之間沒有線性相關(guān)性。

3 距離計算

根據(jù)相關(guān)系數(shù)，我們定義兩種基因的AMI之間的距離為：

通過計算的距離可以看出各個物種與自己的距離為0，與其他物種的距離則根據(jù)進化關(guān)系的遠近而不同。

4 聚類分析

通過計算不同物種兩兩之間的AMI距離，可以得到一個距離矩陣。對于這個距離，該文選用“ward”法即離差平方和方法進行聚類[3]。

5 K值選擇

對于不同的基因組，首先提取各自序列的AMI的值，對于k值大小的選取，通過反復(fù)計算，認為取0到500是比較合適的。這樣每種基因組就得到一個向量，共有501個分量。對于不同基因組的AMI向量，計算相關(guān)系數(shù)得到距離，兩兩相比較距離得到一個距離矩陣，對距離矩陣通過ward法聚類，最后得到結(jié)果。

6 具體應(yīng)用

通過此種方法，可以很方便地對各類DNA序列進行分類和研究。該課題研究者對64種脊椎動物線粒體DNA繪制了生物進化樹，進行分類進而構(gòu)建它們之間的進化關(guān)系的應(yīng)用。

參考文獻

[1] Yuan Zhi fa，Zhou Jing yu，Guo Man cai，et al.Gene Diversity and Shannon Information Entropy.Animal[A]Biotechnology Bulletin，8（1）：353-358.