1、現(xiàn)有的基于實(shí)時(shí)合成測(cè)序技術(shù)是利用天然核苷酸合成，通過(guò)檢測(cè)合成副產(chǎn)物來(lái)實(shí)現(xiàn)序列測(cè)定的，其測(cè)序過(guò)程快，具有高度的可重復(fù)性、并行性和容易自動(dòng)化等特點(diǎn)。然而，對(duì)任一DNA測(cè)序模板而言，這類(lèi)測(cè)序方法不是每個(gè)測(cè)序反應(yīng)都能測(cè)定具體的堿基信息，將影響到單個(gè)測(cè)序反應(yīng)的效率，繼而影響測(cè)序閱讀長(zhǎng)度。最近，提出一種兩核苷酸實(shí)時(shí)合成測(cè)序的新方法，該方法基于不同核苷酸參與的合成反應(yīng)、產(chǎn)生檢測(cè)分子均相同的原理，對(duì)DNA模板通過(guò)實(shí)施兩次不同兩核苷酸的循環(huán)合成測(cè)序，最后

2、解碼組裝出待測(cè)DNA模板的準(zhǔn)確堿基信息。本論文對(duì)兩核苷酸實(shí)時(shí)合成測(cè)序伴生的生物信息學(xué)問(wèn)題進(jìn)行研究，為兩核苷酸實(shí)時(shí)合成測(cè)序提供軟件支撐。
　　本論文的主要內(nèi)容如下:
　　1、編碼及解碼算法研究
　　基于兩核甘酸實(shí)時(shí)合成測(cè)序原理，設(shè)計(jì)了三種編碼解碼算法，即:字符編碼解碼算法、一階模式編碼解碼算法、按位編碼解碼算法。實(shí)現(xiàn)的三種編碼解碼算法在模擬數(shù)據(jù)集中測(cè)試通過(guò)。在這個(gè)模擬數(shù)據(jù)集中，首先模擬出1000條隨機(jī)生成的長(zhǎng)度為1000

3、bp的DNA序列，并生成三組測(cè)序編碼信息。對(duì)于每條DNA序列，隨機(jī)抽取兩條編碼序列按照相對(duì)應(yīng)的解碼算法進(jìn)行解碼，然后將解碼出來(lái)的DNA序列與原先模擬的序列進(jìn)行比較。最后在這1000條DNA序列的測(cè)試中得到了100％的解碼正確率。
　　2、測(cè)序模擬算法的研究
　　兩核苷酸實(shí)時(shí)合成測(cè)序方法并沒(méi)有從本質(zhì)上改變信號(hào)強(qiáng)度的產(chǎn)生機(jī)制，獲取及評(píng)估，因此其信號(hào)強(qiáng)度的統(tǒng)計(jì)分布與其基于的測(cè)序平臺(tái)是一樣。通過(guò)對(duì)454測(cè)序平臺(tái)信號(hào)強(qiáng)度的統(tǒng)計(jì)分布研究

4、，建立了基于454測(cè)序平臺(tái)的兩核苷酸實(shí)時(shí)合成測(cè)序模型，該模型采用正態(tài)分布模擬正信號(hào)，對(duì)數(shù)正態(tài)分布模擬負(fù)信號(hào)。基于ART測(cè)序模擬算法實(shí)現(xiàn)了另一種兩核苷酸實(shí)時(shí)合成測(cè)序模擬算法，該算法首先對(duì)基因組序列隨機(jī)片段化來(lái)模擬序列復(fù)制過(guò)程，然后根據(jù)經(jīng)驗(yàn)分布實(shí)現(xiàn)測(cè)序過(guò)程模擬。上述兩種模擬算法通過(guò)測(cè)試數(shù)據(jù)集模擬結(jié)果表明，“同聚物”或“類(lèi)同聚物”長(zhǎng)度越長(zhǎng)，測(cè)序質(zhì)量越小，測(cè)序誤差越大，實(shí)現(xiàn)了兩核苷酸測(cè)序的簡(jiǎn)單模擬過(guò)程，對(duì)于評(píng)價(jià)兩核苷酸實(shí)時(shí)合成測(cè)序的數(shù)據(jù)處理算法

5、的有效性與精確性以及預(yù)測(cè)兩核苷酸實(shí)時(shí)循環(huán)合成測(cè)序信息提供了理論支持。
　　3、測(cè)序數(shù)據(jù)處理
　　①重測(cè)序序列比對(duì)算法的研究
　　兩核苷酸實(shí)時(shí)合成測(cè)序中存在“同聚物”及“類(lèi)同聚物”問(wèn)題，采用傳統(tǒng)的序列比對(duì)算法，將會(huì)有假匹配的產(chǎn)生，進(jìn)而影響下游分析。本課題設(shè)計(jì)了兩種基于Smith-Waterman-Gotoh具有識(shí)別“同聚物”和“類(lèi)同聚物”能力的比對(duì)算法:Homopolymer-Aware-Smith-Waterman-G

6、otoh算法和Peaks-Aware-Smith-Waterman-Gotoh算法。Homopolymer-Aware-Smith-Waterman-Gotoh算法將“同聚物”或“類(lèi)同聚物”作為一個(gè)單元對(duì)待，對(duì)于更長(zhǎng)的同聚物片段采用更小的空位罰分，同聚物罰分函數(shù)是一次線性遞減函數(shù)。Peaks-Aware-Smith-Waterman-Gotoh算法利用Peak峰值來(lái)提高序列比對(duì)的質(zhì)量，其罰分函數(shù)并不與Homopolymer-Aware-

7、Smith-Waterman-Gotoh算法一樣是一次線性函數(shù)。兩種算法的同聚物罰分都是根據(jù)參考序列提前設(shè)定。結(jié)果表明兩比對(duì)算法都能很好的識(shí)別“同聚物”和“類(lèi)同聚物”，實(shí)現(xiàn)序列的有效匹配，有效的防止假匹配的產(chǎn)生。為了提高序列比對(duì)的性能又不失Smith-Waterman-Gotoh算法的精確度，本課題采用的策略是首先采用與SSAHA類(lèi)似的算法完成基因組哈希表的建立及短序列種子序列的定位，最后利用上述兩種具有識(shí)別“同聚物”和“類(lèi)同聚物”能力

8、的Smith-Waterman-Gotoh比對(duì)算法中的任意一種進(jìn)行延伸序列比對(duì)得出有效比對(duì)結(jié)果。
　?、诜聪蚧パa(bǔ)序列算法研究
　　高通量測(cè)序?qū)NA雙鏈均進(jìn)行了測(cè)定，因此其中一條DNA單鏈不能直接用于比對(duì)，需要涉及到序列之間的反向互補(bǔ)轉(zhuǎn)化。本課題簡(jiǎn)單實(shí)現(xiàn)了此算法，且該算法在模擬數(shù)據(jù)集中測(cè)試通過(guò)。
　　4、特征分析算法研究
　　兩核苷酸實(shí)時(shí)合成測(cè)序從理論上表明具有和SOLiDTM類(lèi)似的區(qū)分真正“SNP”和“測(cè)序錯(cuò)誤

9、”的特征。本課題運(yùn)用該理論特征，設(shè)計(jì)完成了兩核苷酸實(shí)時(shí)合成測(cè)序特征分析算法，該算法首先識(shí)別出序列兩兩比對(duì)中的所有非匹配位點(diǎn)，并排除這些非匹配位點(diǎn)中無(wú)效位點(diǎn)，然后通過(guò)設(shè)置測(cè)序質(zhì)量閾值，相鄰位點(diǎn)的平均測(cè)序質(zhì)量閾值，距比對(duì)序列末端距離閾值，非匹配位點(diǎn)的比對(duì)質(zhì)量閾值進(jìn)一步排除不符合要求的非匹配位點(diǎn)，最后，運(yùn)用兩核苷酸實(shí)時(shí)合成測(cè)序中具有的區(qū)分真正“SNP”和“測(cè)序錯(cuò)誤”的特征，進(jìn)一步優(yōu)化。通過(guò)模擬數(shù)據(jù)集中測(cè)試表明，該算法具有區(qū)分真正“SNP”和“