Ctrl-DNA: Controllable Cell-Type-Specific Regulatory DNA Design via Constrained RL
University of Toronto(多伦多大学);Vector Institute for Artificial Intelligence(人工智能向量研究所);University Health Network(大学健康网络);Changping Laboratory(昌平实验室)
本文提出Ctrl-DNA,一种基于约束强化学习的框架,用于设计细胞类型特异性调控DNA序列,在人类启动子和增强子上优于现有方法,实现高适应度和最先进的细胞类型特异性。
2025-05-26 cs.AI cs.LG q-bio.GN
DNA Sequence Classification with Compressors
digiMOST GmbH(digiMOST公司)
本文改造 Jiang 等人的无参数压缩分类方法,利用 Gzip、Brotli 和 LZMA 对多物种 DNA 序列分类,在保持先进准确率的同时提升资源效率与可扩展性。
2024-01-25 cs.LG q-bio.GN
DiscDiff: Latent Diffusion Model for DNA Sequence Generation
Imperial College London(帝国理工学院);University College London(伦敦大学学院)
本研究提出含DiscDiff潜扩散模型与Absorb-Escape后处理算法的DNA生成框架,推出多物种数据集EPD-GenDNA,在长短序列生成上超越现有扩散模型,助力DNA生成建模及相关生物应用。
2024-04-17 cs.AI cs.LG q-bio.GN
Unsupervised Learning in Genome Informatics
随着不同的基因组可用,无监督学习算法在学习全基因组生物学见解中至关重要。特别是,不同基因组的功能表征对于我们理解生命至关重要。在本书的章节中,我们回顾了从DNA到MicroRNA的基因组信息学的最先进的无监督学习算法。DNA(脱氧核糖核酸)是基因组的基本组成部分。在不同组织的不同发育阶段,相当一部分DNA区域(转录因子结合位点)与蛋白质(转录因子)结合以调节基因表达。为了充分理解遗传学,我们有必要应用无监督学习算法来学习和推断这些DNA区域。在这里,我们回顾了几种用于破译这些DNA区域的全基因组模式的无监督学习方法。microRNA(miRNA)是一类内源性小分子非编码RNA(RiboNucleic acid),主要通过与信使RNA的3个$'$非翻译区的靶位点形成不完全碱基对来调控基因的转录后表达。自1993年在蠕虫中发现第一个miRNA \emph{let-7}以来,大量的研究致力于在网络环境中功能性地表征miRNA的功能影响,以了解复杂的疾病,如癌症。在这里,我们回顾了几个代表性的无监督学习框架推断的miRNA调控网络,利用静态的基于序列的信息相关的先验知识的miRNA靶向和动态信息的miRNA活动所暗示的最近可用的大数据纲要,询问全基因组表达谱的miRNA和/或mRNA在各种细胞条件下。
2015-08-03 q-bio.GN q-bio.QM stat.AP
Structural representations of DNA regulatory substrates can enhance sequence-based algorithms by associating functional sequence variants
DNA的核苷酸序列表示可能不足以解析蛋白质-DNA结合位点和调控底物,例如参与基因表达和水平基因转移的那些。考虑到类序列表示在算法上非常有用,在这里,我们融合了超过60个目前可用的DNA物理化学和构象变量到紧凑的结构表示,可以编码单个DNA结合位点的整个调控区。我们发现,主要的结构成分反映了蛋白质-DNA相互作用的关键特性,可以浓缩到一个核苷酸位置上发现的信息量。最精确的结构表示将功能性DNA序列变体压缩30%至50%,因为每个实例编码数十至数千个序列。我们发现,结构距离函数之间的区别组的DNA基板更准确地比基于核苷酸序列的度量。由于这开辟了各种实现的可能性,我们开发和测试的距离为基础的比对算法,展示了使用的结构表示,以提高基于序列的算法的潜力。由于大多数当前生物信息学方法对核苷酸序列表示的偏差,有可能使用这些解决方案仍然可以实现相当大的性能提高。
2020-07-29 q-bio.GN
Segmenting DNA sequence into `words'
Tencent(腾讯);SOSO(搜搜);Hong Kong Baptist University(香港浸会大学)
提出了一种基于n-gram统计语言模型的DNA序列分割/解码方法。首先,我们通过对12个模式物种的基因组进行分析,发现大多数DNA“单词”的长度为12 - 15 bp。然后,我们设计了一个无监督的基于概率的方法来分割的DNA序列。提出了分割方法的基准。
2013-06-22 cs.CL q-bio.GN
Statistical properties of DNA sequences revisited: the role of inverse bilateral symmetry in bacterial chromosomes
在这里,它表明,为了研究细菌染色体中的DNA序列的统计特性,它足以考虑只有一半的染色体,因为它们是类似于其相应的互补序列的另一半。这是由于细菌染色体的反向双侧对称性。与细菌基因组的DNA编码区是完全不相关的随机序列的经典结果相反,这里通过重正化群方法表明,DNA单碱基的随机波动是由对数周期变化调制的。距离系列的三联体显示长程相关性在每一半的完整染色体和无内含子的蛋白质编码序列,或沿整个染色体的长程相关性和对数周期调制。因此,DNA序列的距离序列的标度分析必须考虑细菌染色体的功能单位。
2004-08-17 q-bio.GN
Dy-mer: An Explainable DNA Sequence Representation Scheme using Dictionary Learning
Shenzhen Key Laboratory of Ubiquitous Data Enabling(深圳 ubiquitous 数据赋能重点实验室);Tsinghua Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院)
Dy-mer通过字典学习方法,提供了一种可解释且稳健的DNA序列表示方案,实现了在DNA启动子分类和motif检测等任务中的高性能表现。
2025-12-13 cs.AI cs.LG q-bio.GN
Identifying DNA Sequence Motifs Using Deep Learning
University of Oxford(牛津大学);Earlham Institute(厄勒姆研究所)
提出基于注意力的深度学习模型DeepDeCode预测DNA剪接位点,结合可视化技术识别序列基序,提升了准确性与可解释性,可应用于医疗保健及基因组元件发现。
2023-11-20 cs.LG q-bio.GN q-bio.QM
Statistical analysis of Gene and Intergenic DNA Sequences
DNA序列的大部分正在进行的统计分析集中在编码区和非编码区的特征的估计上,这可能允许区分这些区域。在目前的方法中,我们特别关注基因和基因间区域。为了估计这些区域中的相关性的水平和类型,我们应用各种统计方法,灵感来自非线性时间序列分析,即概率分布的元组,互信息和相同的近邻拟合。该方法进行适当的修改,符号序列上的工作,他们首先测试的有效性序列从著名的简单的确定性和随机模型。然后将它们应用于{ \em拟南芥} 1号染色体的DNA序列。结果表明,相关性确实存在于DNA序列中,但它们是弱的,基因间序列往往比基因序列更相关。使用替代数据的统计检验以严格的统计方式确定这些结果。
2004-04-21 q-bio.GN
Use of 3D chaos game representation to quantify DNA sequence similarity with applications for hierarchical clustering
本研究提出利用三维混沌游戏表示编码DNA序列,通过两种形状相似性方法(球体体积重叠和形状签名)无需比对即可量化序列相似性,并在多种数据集上验证其构建系统发育树的性能与基于比对的方法相当。
2024-11-08 q-bio.GN
How Private Are DNA Embeddings? Inverting Foundation Model Representations of Genomic Sequences
Methods in Medical Informatics, Department of Computer Science, University of Tuebingen, Germany(图宾根大学医学信息学方法系,计算机科学系);Institute for Bioinformatics and Medical Informatics (IBMI), University of Tuebingen, Germany(图宾根大学生物信息学与医学信息学研究所)
研究评估了DNA基础模型在逆向攻击下的隐私安全性,发现嵌入相似性与序列相似性密切相关,DNABERT-2的分词方法更具隐私保护性。
2026-03-06 cs.AI cs.LG q-bio.GN
Interpretable DNA Sequence Classification via Dynamic Feature Generation in Decision Trees
University of Cambridge(剑桥大学);CU Anschutz Medical Campus(安舒茨医疗校区)
本文提出DEFT框架,通过动态生成高级序列特征提升决策树在DNA序列分类中的可解释性和预测性能。
2026-04-13 cs.AI cs.LG q-bio.GN
Identification of DNA-binding protein target sequences by physical effective energy functions. Free energy analysis of lambda repressor-DNA complexes
蛋白质与DNA的特异性结合是控制基因表达的最常见方式之一。虽然可以推导出DNA-蛋白质识别的一般规则,但这种机制的模糊性和复杂性排除了简单的识别代码,因此DNA靶序列的预测并不简单。DNA-蛋白质相互作用的研究可以使用计算方法,可以补充目前的实验方法,并提供一些优势。在目前的工作中,我们使用物理有效势来评估的λ阻遏物-DNA复合物的结构和热力学实验数据的DNA-蛋白质的结合亲和力。通过分子动力学模拟计算的结合能上的构象采样的效果进行评估,结果表明,这种效果一般是负面的,实验值的再现性随着模拟时间的增加而降低。非特异性复合物的结合自由能与早期的理论建议一致。此外,作为这些分析的结果,我们提出了一个用于预测DNA结合靶序列的协议。探讨了使用该协议在噬菌体λ基因组内搜索调控元件的可能性。我们的分析显示出良好的预测能力,即使在没有任何热力学数据和自然识别序列的信息。这项研究支持的结论是,基于物理的方法可以提供一个完全互补的方法,以序列为基础的DNA结合蛋白靶序列的鉴定方法。
2007-12-14 q-bio.BM q-bio.GN
Determining whether the non-protein-coding DNA sequences are in a complex interactive relationship by using an artificial intelligence method
人类基因组的非蛋白质编码区包含许多复杂的调控细胞活性的模式。研究人类基因组是有限的,缺乏了解其特点和复杂的相互作用。然而,人工智能研究的最新进展已经能够使用深度神经网络自动学习高维复杂数据的表示,而无需特征工程。因此,在本文中,我们证明了卷积神经网络可以在不指定任何基序或模式的情况下学习DNA序列的表示,从而能够预测DNA序列是天然的还是人工的。训练后的模型可以区分加扰长度为2 bp,10 bp,50 bp甚至100 bp的加扰与真实DNA序列,其准确率显著高于线性支持向量机。通过这项研究,我们发现非蛋白质编码DNA的区域可能在甚至超过100 bp的距离上具有有意义的相互作用,即使它们不编码蛋白质。
2017-08-14 q-bio.GN
Sequence Dependence of Electronic Transport in DNA
我们研究了电子在长链DNA中的输运,使用紧束缚的方法为一个梯状模型的DNA。我们发现绝缘行为的局域化长度为xi ~ 25的平均碱基对分离的单位。此外,我们观察到小的,但显着的差异之间的DNA,着丝粒DNA,启动子序列以及随机ATGC DNA。
2005-08-30 cond-mat.dis-nn cond-mat.soft q-bio.GN
DNAMotifTokenizer: Towards Biologically Informed Tokenization of Genomic Sequences
Washington University in St. Louis(华盛顿大学圣路易斯分校);University of California San Diego(加州大学圣地亚哥分校)
DNAMotifTokenizer通过整合DNA序列模因的生物知识,提升了基因组序列分词的性能和可解释性。
2025-12-22 q-bio.GN
Understanding Long-range Correlations in DNA Sequences
在本文中,我们回顾了文献中的统计长程相关的DNA序列。我们检查了这些相关性的当前证据,并得出结论,DNA序列中许多长度尺度(包括一些相对较长的尺度)的混合是导致观察到的类似1/f的光谱分量的原因。我们注意到DNA序列中相关结构的复杂性。观察到的复杂性通常使得很难或不可能将序列分解为几个统计上稳定的区域。我们认为,基于DNA序列的复杂性,理解长程相关性的一个富有成效的方法是在DNA序列中模拟重复和其他重排过程。一种称为“扩增-修饰系统”的模型只包含点复制和点突变。虽然简单,该模型能够生成具有1/f谱的序列。我们强调DNA复制的重要性,在其所观察到的DNA序列的长程相关性的贡献。
1994-03-22 chao-dyn nlin.CD q-bio.GN
DNA sequence correlations shape nonspecific transcription factor-DNA binding affinity
转录因子(TF)是在基因组的启动子区域结合DNA并且促进或抑制基因表达的调节蛋白。在这里,我们预测分析,增强同源寡核苷酸序列的相关性,如聚(dA:dT)和聚(dC:dG)束,统计学上增强非特异性TF-DNA结合亲和力。这种预测是通用的和定性的模型的微观参数无关。我们发现,非特异性TF结合亲和力普遍控制的强度和对称性的DNA序列相关性。我们进行相关性分析的酵母基因组,并表明,DNA区域高度占据TF表现出更强的同源寡核苷酸序列的相关性,从而更高的非特异性结合的倾向,相比,占用区域。我们认为,这种效应起到了一个有效的本地化潜力的作用,提高准一维扩散的TF在DNA附近,加快随机搜索过程中的特定TF结合位点。预测的效果也强加了TF-DNA结合基序的大小上界。
2011-11-13 q-bio.BM q-bio.GN q-bio.MN
A perceptual hash function to store and retrieve large scale DNA sequences
提出了一种存储和检索海量DNA序列的新方法。该方法是基于感知散列函数,通常用于确定数字图像之间的相似性,我们适应DNA序列。这里提出的感知散列函数是基于离散余弦变换仅符号(DCT-SO)。每个核苷酸被编码为一个固定的灰度强度像素,并从其显着的频率特性计算散列。这导致序列和感知散列之间的数据急剧减少。与加密散列函数不同,感知散列不受“雪崩效应”的影响,因此可以进行比较。用汉明距离估计两个哈希值之间的相似性距离,用于检索DNA序列。我们进行的实验表明,我们的方法是相关的存储大量的DNA序列,并检索它们。
2014-12-17 cs.CE q-bio.GN
Generating and designing DNA with deep generative models
University of Toronto(多伦多大学)
我们提出了生成神经网络方法来生成DNA序列,并调整它们具有所需的属性。我们提出三种方法:使用生成对抗网络创建合成DNA序列;基于DNA的激活最大化(“深梦”)设计方法的变体;以及将这两种方法结合在一起的联合程序。我们发现,这些工具捕捉到的数据的重要结构,当应用于设计探针的蛋白质结合微阵列,使我们能够产生新的序列,其属性估计是优于那些发现在训练数据。我们相信,这些结果为应用深度生成模型推进基因组学研究打开了大门。
2017-12-17 cs.LG q-bio.GN stat.ML
High nucleotide skew palindromic DNA sequences function as replication origins due to their unzipping propensity
本研究通过马尔可夫链模型揭示高核苷酸偏斜的回文DNA序列因低解链动力学屏障而作为复制起点,并在多种生物中得到验证。
2024-07-18 q-bio.BM q-bio.GN q-bio.QM
Global transposable characteristics in the yeast complete DNA sequence
用度量表示法和递归图法确定了酿酒酵母DNA全序列的全局转座特征。以核苷酸串相关距离的形式,将16条酵母染色体序列分为5组,表现出4种基本的转座特征:短周期递增、长准周期递增、长主值和几乎不相关。
2011-12-13 physics.bio-ph q-bio.GN
The Measure of Compositional Heterogeneity in DNA Sequences Is Related to Measures of Complexity
这篇评论讨论了最近提出的DNA序列的异质性的措施,并与复杂性的措施进行了比较。
1997-10-01 adap-org nlin.AO q-bio.GN
Non-extensive Trends in the Size Distribution of Coding and Non-coding DNA Sequences in the Human Genome
我们使用非广泛统计学研究了四条测序最完整的人类染色体(包括编码最密集的19号染色体)的一级DNA结构。我们发现,指数的编码大小分布的衰减$5.2 \le r \le 5.7$的短尺度和$1.45 \le q \le 1.50$的大尺度之间的变化。相反,控制这四条染色体中非编码大小分布的衰减的指数对于短尺度取$2.4 \le r \le 3.2$值,对于大尺度取$1.50 \le q \le 1.72$值。这种定量差异,特别是在尾部指数$q$中,表明非编码(编码)尺寸分布具有长(短)范围相关性。DNA统计中的这种非平凡差异归因于作用于非编码(编码)DNA序列的非保守(保守)进化动力学。
2005-10-11 q-bio.GN
Identification of possible differences in coding and non-coding fragments of DNA sequences by using the method of the Recurrence Quantification Analysis
从1992年李等人的结果开始,人们对发现dna序列中的长程相关性很感兴趣,因为它提出了关于内含子和含内含子基因的作用的问题。在本文中,我们研究了两个序列。我们应用的递归量化分析(rqa),介绍了Zbilut和韦伯在1994年的方法。我们在这里得到的重要结果是,Lmax和Laminarity在非编码序列中表现出非常大的值。因此,我们认为,许多作者声称的内含子相对于外显子的更高的长程相关性可以在这里解释为Lmax和Laminarity的较高值。
2009-10-19 q-bio.GN
Intermittency as a universal characteristic of the complete chromosome DNA sequences of eukaryotes: From protozoa to human genomes
大规模的动力学性质的完整的染色体DNA序列的真核生物被认为是。通过所提出的确定性模型,我们描述了这些序列中固有的大规模模式,如片段重复,串联重复和其他复杂的序列结构。结果表明,最近发现的基因数平衡的链上是不是随机的性质,和一个完整的染色体DNA序列表现出确定性混沌的性质。
2011-04-28 cond-mat.soft nlin.CD q-bio.BM
Simplifying the mosaic description of DNA sequences
通过使用Jensen-Shannon分歧,基因组DNA可以通过标准的递归分割程序被划分成组成上不同的域。每个域,而显着不同,从它的邻居,然而,可能会分享一个或多个遥远的(非相邻)域的组成相似性。因此,我们得到一个粗粒度的描述给定的DNA字符串在一个较小的一组不同的域标签。这产生了给定DNA序列的最小域描述,显著降低了其组织复杂性。这一程序提供了一种新的方法来评估基因组的复杂性,因为人们检查的生物体范围从细菌到人类。DNA序列的镶嵌组织可能起源于一个基因组(寄生虫)的片段插入另一个(宿主),我们提出了暗示这种情况的数值实验。
2002-07-27 physics.bio-ph q-bio.GN
The Study of Correlation Structures of DNA Sequences: A Critical Review
综述了DNA一级序列相关结构的研究进展。审查的问题包括:16个碱基-碱基关联函数之间的对称性,相关性度量的精确估计,$1/f$和洛伦兹谱之间的关系,DNA序列的异质性,DNA序列相关性结构的不同建模策略,编码区和非编码区之间相关性结构的差异(除了周期3模式),以及结构域大小广泛分布的来源。虽然一些结果仍然存在争议,但关于这一主题的工作是未来研究的一个良好起点。
1997-04-09 adap-org nlin.AO q-bio.GN
Embed-Search-Align: DNA Sequence Alignment using Transformer Models
Aarhus University(奥胡斯大学)
针对DNA序列比对需在全基因组定位短读段的问题,提出Embed-Search-Align框架,通过Transformer生成无参考DNA嵌入并结合向量存储搜索,在人类基因组比对中准确率达99%,优于传统方法及6种Transformer基线。
2024-12-05 cs.AI q-bio.GN
Phenotypic divergence of Homo sapiens is driven by the evolution of human-specific genomic regulatory networks via two mechanistically distinct pathways of creation of divergent regulatory DNA sequences
University of California, San Diego(加州大学圣地亚哥分校)
本研究揭示了人类表型分化由两种机制不同的路径驱动,通过人类特有基因组调控网络的进化,产生差异性调控DNA序列。
2015-10-30 q-bio.GN
Motif Caller: Sequence Reconstruction for Motif-Based DNA Storage
针对DNA存储中现有碱基识别两步法不精确且低效的问题,本文提出Motif Caller模型,直接从原始纳米孔信号检测整个基序,绕过中间碱基识别,利用更丰富的信号特征显著提升准确性和数据检索效率。
2025-07-10 cs.OH q-bio.GN
Finding low-complexity DNA sequences with longdust
Harvard Medical School(哈佛医学院);Dana-Farber Cancer Institute(丹娜法伯癌症研究院);Broad Insitute of MIT and Harvard(麻省理工学院和哈佛大学生物医学基因组学 Broad 研究所);Commonwealth School(联邦中学)
针对现有低复杂度DNA序列识别算法存在的缺乏数学化复杂度定义、长/可变窗口处理效率低的问题,提出新算法longdust,通过k-mer计数统计建模定义复杂度,可高效识别长低复杂度序列,在真实数据上性能优异且与现有方法一致性高。
2025-11-16 q-bio.GN
Information Theory of DNA Shotgun Sequencing
DNA测序是现代生物学和医学的基本工具。鸟枪测序是使用的主要技术:从DNA序列中提取许多随机定位的短片段,称为读取,并将这些读取组装以重建原始序列。一个基本问题是:给定测序技术和DNA序列的统计数据,可靠重建所需的最小读取数是多少?此数字为{ \em any}汇编算法的性能提供了基本限制。对于一个简单的统计模型的DNA序列和读取过程中,我们表明,答案承认一个关键的现象,在长DNA序列的渐近极限:如果读取长度低于阈值,重建是不可能的,无论有多少读取观察到,如果读取长度高于阈值,有足够的读取,以覆盖的DNA序列是足够的重建。根据DNA序列的Renyi熵率计算阈值。我们还研究了读过程中的噪声对性能的影响。
2013-02-14 cs.IT math.IT q-bio.GN
TrinityDNA: A Bio-Inspired Foundational Model for Efficient Long-Sequence DNA Modeling
BioMap Research, Beijing, China(北京生物图谱研究);AI Lab, Research Center for Industries of the Future, Westlake University, China(西湖大学未来产业研究中心人工智能实验室)
TrinityDNA通过生物启发的结构和多尺度注意力机制,实现了对长序列DNA的高效建模,提升了基因组分析的准确性与实用性。
2026-03-06 cs.CE q-bio.GN
Identifying centromeric satellites with dna-brnn
人类α卫星和卫星2/3占人类基因组的百分之几。然而,用传统算法识别这些序列是计算密集型的。在这里,我们开发了一个递归神经网络dna-brnn来学习这两类着丝粒重复序列。它与RepeatMasker实现了高度相似性,并且速度快了一倍。Dna-brnn探索了深度学习的新应用,可能会加速对两个重复类进化的研究。可用性和实施:https://github.com/lh3/dna-nn联系方式:hli@jimmy.harvard.edu
2019-03-18 q-bio.GN
Identification of repeats in DNA sequences using nucleotide distribution uniformity
The University of Illinois at Chicago(伊利诺伊大学芝加哥分校)
重复序列在基因组结构、功能和调控中具有重要意义,但目前还没有完全有效的方法来精确鉴定DNA序列中的重复序列,重复序列与基因组周期性之间的关系也不清楚。我们提出了一个$\textit{ab initio}$方法来定量检测重复元件和推断重复元件中的一致重复模式。该方法使用DNA序列或基因组中周期性位置处的核苷酸分布均匀性的测量。它可以识别周期性,一致重复模式,拷贝数和重复元件的完美水平。在不同的DNA序列和基因组上使用该方法的结果证明了在识别重复模式和周期性方面的有效性和准确性。该方法的复杂度与所分析序列的长度成线性关系。
2016-07-31 cs.CE cs.CV cs.DS
Segmentation of DNA sequences into twostate regions and melting fork regions
通过计算工具准确预测和表征DNA解链结构域可以促进广泛的生物学应用。然而,直到现在还没有解链域预测的算法。主要的挑战包括数学映射的定量统计力学模型的定性描述的DNA解链域的困难,以及缺乏“金标准”和需要的一般性。本文介绍了一种新的方法来识别给定DNA序列上的双态区和熔解叉区。与我们以前的研究中使用的特设分割相比,新算法是基于边界概率分布,而不是标准的熔化图。我们证明了一个更详细的表征的DNA解链域地图可以使用我们的新方法,这种方法是独立的DNA解链模型的选择。我们希望这项工作能推动我们对DNA解链结构域的理解更进一步。
2008-11-28 q-bio.BM q-bio.GN
A new DNA alignment method based on inverted index
提出了一种基于倒排索引的DNA序列比对方法。目前大多数大型信息检索系统都采用倒排索引作为基本的数据结构。但它在DNA序列比对中的应用尚未见报道,本文仅就这方面的应用作一探讨。分别对DNA分割、长DNA查询搜索、DNA搜索排序算法和评价方法三个主要问题进行了详细的阐述。这项研究为建立更有效的DNA比对方法提供了一条新的途径。
2013-06-30 cs.CE q-bio.GN
High Speed All-optical extended DV-Curve-based DNA sequence alignment utilizing wavelength and polarization modulation
本文提出了一种新的光学处理方法,用于探索基因组序列建立在光学相关器的全局比对和扩展DV曲线方法的局部比对。为了克服传统DV-曲线方法不能给出精确和简化的输出结果的问题,我们提出了HAWPOD,建立在DV-曲线方法的基础上,通过五个步骤来分析基因组序列:DNA编码、比对、噪声消除、简化和修改。此外,全光学实现的HAWPOD方法的开发,而其准确性进行了验证,通过数值模拟在LUMERICAL FDTD。实验结果表明,该方法比基本局部比对搜索工具等电学方法快得多。
2017-12-27 q-bio.GN q-bio.QM
Purine-pyrimidine symmetry, determinative degree and DNA
本文用引入的决定度这一与密码子使用有关的核苷酸的新特征来研究DNA序列中与嘌呤嘧啶含量有关的各种对称性。提出了CG压力的数字学解释。给出了DNA序列的分类。实序列计算表明,嘌呤-嘧啶对称性随着有序化程度的增加而增加。提出了一个新的表征DNA嘌呤-嘧啶对称性破缺的小参数。
2000-08-28 math-ph math.MP physics.bio-ph
Sublinear Growth of Information in DNA Sequences
我们介绍了一种新的方法来分析完整的基因组和识别一些独特的功能,通过自适应压缩算法,这不是DNA导向的。我们研究的信息内容作为一个函数的符号编码的算法的数量。关于具有次线性类型的信息增长的区域,这是严格连接到高度重复的子区域,可能被认为是在基因组内具有调节功能的存在下,显示了crossar结果。
2004-02-27 cond-mat.stat-mech physics.data-an q-bio.GN
A p-Adic Model of DNA Sequence and Genetic Code
利用p-adic数的基本性质,我们考虑了一种简单的新方法来描述DNA序列和遗传密码的主要方面。在我们的研究中,一个以核苷酸、密码子和基因为基本元素的超度量p-adic信息空间起着中心作用。我们表明,5-adic模型是适当的DNA序列。结合2-adic距离的5-adic模型也适用于遗传密码和基因组学中更高级的应用。我们发现遗传密码简并性与密码子间的p-adic距离有关。
2006-07-13 cs.IT math-ph math.IT
New stopping criteria for segmenting DNA sequences
本文提出了一种在具有复杂统计模式的非均匀DNA序列分割中的停止准则的解决方案。这种新的停止准则是基于贝叶斯信息准则(BIC)的模型选择框架。当这个停止标准被应用到一个左端粒序列的酵母酿酒酵母和完整的基因组序列的细菌大肠杆菌,生物学意义的单位的边界被确定(例如,亚端粒单位,复制起点,和复制末端),并获得了更合理的结构域的数量。我们还介绍了一种称为分割强度的措施,可用于控制大域的划定。对于几个基因组序列,确定了平均域大小和分割强度阈值之间的关系。
2001-04-05 physics.bio-ph physics.data-an q-bio.GN
Google matrix analysis of DNA sequences
对于不同物种的DNA序列,我们构建了由几个字母组成的相邻单词之间的马尔可夫转换的Google矩阵G。该矩阵的矩阵元素的统计分布所示的幂律描述的指数接近那些在这样的无标度网络的万维网(WWW)的传出链接。同时,输入矩阵元素的总和的特征在于指数显着大于那些典型的WWW网络。这导致PageRank概率的缓慢代数衰减,该概率由进入元素的分布确定。G的谱的特征在于大的间隙导致DNA序列网络上的快速弛豫过程。我们引入PageRank邻近相关器,从马尔可夫链的角度来确定不同物种之间的统计相似性。对Google矩阵的其它本征态的性质也进行了讨论。我们的研究结果建立了DNA序列网络的无标度特征,显示了它们与WWW和语言网络的相似性和区别。
2013-01-08 cs.IR physics.soc-ph q-bio.GN
Nonlinear excitations in DNA: Aperiodic models vs actual genome sequences
我们研究的序列上的传播的非线性激发在简单的模型中的DNA,我们将实际的DNA序列从人类基因组数据。我们表明,扭结传播需要超过一定阈值的力,这种现象已经发现非周期序列[F。Dom\'ınguez-Adame { \em等人},E { \bf 52},2183(1995)]。对于低于阈值的力,最终停止位置高度依赖于特定序列。我们的模型的结果是一致的粘滑动力学的解压缩过程中观察到的实验。我们还表明,有效的潜力,一个集体的坐标形式主义介绍了萨勒诺和Kivshar [物理。A { \bf 193},263(1994)]是鉴定DNA中控制大片段动力学行为的关键区域的有用工具。此外,我们的研究结果导致在非周期系统中观察到的现象学的进一步见解。
2004-08-19 cond-mat.soft math-ph math.MP
QuASeR -- Quantum Accelerated De Novo DNA Sequence Reconstruction
在这篇文章中,我们提出了QuASeR,一个无参考的DNA序列重建实现通过从头组装基于门和量子退火平台。实施的四个步骤(TSP,QUBO,Hamiltonians和QAOA)中的每一个都用简单的概念验证示例进行了解释,以独立的方式针对基因组学研究社区和量子应用程序开发人员。讨论了量子全栈加速器设计的各个层的实现细节。我们还强调了当前经典模拟和可用的量子硬件系统的局限性。该实现是开源的,可以在https://github.com/prince-ph0en1x/QuASeR上找到。
2020-04-10 cs.ET q-bio.GN quant-ph
Inhomogeneous DNA: conducting exons and insulating introns
被称为外显子和内含子的DNA序列的部分在编码和存储遗传信息方面发挥着非常不同的作用。在这里,我们表明,它们的导电性能也非常不同。考虑到形成双链DNA序列的四个基本核苷酸之间的长程相关性,我们计算了外显子和内含子区域的电子定位长度。分析不同的DNA分子,我们得到的外显子有窄带的扩展状态,不像内含子的所有状态都很好地本地化。扩展态的带是由于基本DNA核苷酸序列的二进制关联函数的特定形式。
2009-11-16 cond-mat.soft q-bio.BM q-bio.GN
How to build a DNA search engine like Google?
提出了一种基于Web搜索引擎技术的大规模DNA序列检索系统的构建方法。我们首先对搜索引擎中使用的方法进行了简单的介绍。然后详细介绍了如何构建一个类似Google的DNA搜索系统。由于没有本地比对过程,该系统能够在一个典型的服务器上为数十亿个DNA序列提供ms级的搜索服务。
2011-10-10 cs.ET cs.IR q-bio.GN
DNA Sequence Evolution with Neighbor-Dependent Mutation
我们介绍了一个模型的DNA序列的进化,它可以解释依赖于相邻碱基的身份突变率的偏差。采用非线性动力学的方法,给出了这类非平衡模型的解析解。结果提出的CpG-甲基化-脱氨基过程中占主导地位的脊椎动物的点取代。由该模型产生的二核苷酸频率(使用经验获得的突变率)与在非编码DNA中观察到的总体模式相匹配。已经构建了一个基于网络的工具来计算任意相邻依赖突变率的单核苷酸和二核苷酸频率。还提供了使用极大似然分析来推断突变率的反向过程,给出了观察到的单核苷酸和二核苷酸频率。使用通用非编码DNA序列作为输入,在掩蔽超长同源序列后,可以非常有效地获得突变率的合理估计。我们的方法是更方便和通用的使用比传统的方法推导突变率通过计数突变事件在精心选择的序列。更一般地说,我们的方法提供了一个更现实的,但仍然易于处理的非编码基因组DNA的描述,并可用作各种序列分析应用的空模型。
2003-07-02 cond-mat.stat-mech physics.bio-ph physics.comp-ph
Cluster-scaling, chaotic order and coherence in DNA
用一种新的簇标度方法和谱方法研究了DNA序列的不同数值映射。它示出,特别是,在DNA分子中的核苷酸序列具有强大的集群缩放特性。这些性质与两种类型的核苷酸对-碱基相互作用有关:氢键和堆积相互作用。它表明,考虑到集群标度属性可以帮助改善DNA动力学的异质模型。它还表明,一个混乱的(确定性)秩序,而不是一个随机的随机性,控制的能量极小值的位置在大尺度上的DNA序列中的堆叠相互作用。这种混沌有序性导致了两个互补DNA双链体序列之间的大规模混沌相干。讨论了这种宽带混沌相干与遗传密码产生的共振相干之间的竞争。以拟南芥植物基因组(基因组分析的模式植物)和两个人类基因:BRCA 2和NRXN 1为例。
2018-01-29 nlin.CD q-bio.BM q-bio.GN
DNABERT-S: Pioneering Species Differentiation with Species-Aware DNA Embeddings
Northwestern University(西北大学);Stony Brook University(石溪大学);University of California at Merced(加州大学默塞德分校);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室)
DNABERT-S基于DNABERT-2,通过MI-Mix和课程对比学习C$^2$LR学习物种感知嵌入,在标签稀缺场景下显著提升物种区分、聚类和少样本分类性能。
2024-10-22 cs.AI cs.CE cs.CL
Highly conserved sequence-specific double-stranded DNA binding networks contributing to divergent genomic evolution of human and chimpanzee brain development
Institute of Engineering in Medicine University of California, San Diego(加州大学圣地亚哥分校工程医学院)
本研究发现人类和黑猩猩大脑发育的分歧基因组进化与高度保守的序列特异性双链DNA结合网络有关,这些网络通过转座子提供的基因组调控种子模板起关键作用。
2024-09-12 q-bio.GN q-bio.MN q-bio.PE