病毒感染宿主细胞可能性的序列非比对法评估*

刘雪梅 臧翔 黄天来 杨哲，2 李文 叶宇中 胡珊

(1.华南理工大学 物理与光电学院， 广东 广州 510640； 2.中国工商银行 广州东城支行， 广东 广州 510100；3.中山大学 中山医学院计算机中心， 广东 广州 510275)

1 序列非比对法原理

(1)

式中：CSi(W)为在序列Si中W出现的次数，W为序列中所有可能的k-tuple组成的集合；wi为k-tuple元素；A为字母表，是一组符号或字符，字母表中的元素组成序列.

(2)

式中，pW为W在序列中出现的概率.

(3)

2 病毒和宿主细胞的DNA序列非比对比较

图1 k=5、Morder=1，2，3时和的AUC柱状图

2.2 最佳阈值的确定

图2 k=5、Morder=1时的ROC曲线

表和统计打分值

2.3 最佳阈值应用实例

3 结语

：

[1] WOMMACK K E，COLWELL R R.Virioplankton:viruses in aquatic ecosystems [J].Microbiol Mol Biol Rev，2000，64(1):69- 114．

[2] WEINBAUER M G.Ecology of prokaryotic viruses [J].FEMS Microbiol Rev，2004，28(2):127- 181．

[3] SUTTLE C A.Marine viruses-major players in the global ecosystem [J].Nat Rev Microbiol，2007，5(10):801- 812．

[4] CRAM J A，LI C X，NEEDHAM D M，et al.Cross-depth analysis of marine bacterial networks suggests downward propagation of temporal changes [J].ISME Journal，2015，9(12):2573- 2586．

[5] QI J，WANG B，HAO B I.Whole proteome prokaryote phylogeny without sequence alignment:aK-string composition approach [J].Journal of Molecular Evolution，2004，58(1):1- 11．

[6] DOMAZETLOSO M，HAUBOLD B.Alignment- free detection of local similarity among viral and bacterial genomes [J].Bioinformatics，2011，27(11):1466- 1472．

[7] REINERT G，CHEW D，SUN F，et al.Alignment-free sequence comparison(I):statistics and power [J].Journal of Computational Biology：A Journal of Computational Molecular Cell Biology，2009，16(12):1615- 1634．

[8] LIPPERT R A，HUANG H，WATERMAN M S.Distributional regimes for the number ofk-word matches between two random sequences [J].Proceedings of the National Academy of Sciences of the United States of America，2002，99(22):13980- 13989．

[9] WANG Y，LEI X，WANG S，et al.Effect ofk-tuple length on sample-comparison with high-through put sequencing data [J].Biochemical & Biophysical Research Communications，2015，469(4):1021- 1027．

[10] SONG K，REN J，LIU X M，et al.Alignment-free sequence comparison based on next-generation sequencing reads [J].Journal of Computational Biology，2012，20(2):64- 79．

[11] ZHAI Z，KU S Y，LUAN Y，et al.The power of detecting enriched patterns:an HMM approach [J].Journal of Computational Biology：A Journal of Computational Molecular Cell Biology，2010，17(4):581- 592．

[12] WANG Y，LIU L，CHEN L，et al.Comparison of meta-transcriptomic samples based onk-tuple frequencies [J].PLoS ONE，2014，9(1):e84348/1- 19．

[13] 刘雪梅，文德华，於黄忠，等.基于D2shepp统计法的非序列局部比对 [J].华南理工大学学报(自然科学版)，2012，40(8):106- 110．

LIU Xue-mei，WEN De-hua，YU Huang-zhong，et al.Local alignment-free sequences based on D2shepp statistics [J].Journal of South China University of Technology(Natural Science Edition)，2012，40(8):106- 110．

[14] LIU X M，WAN L，LI J，et al.New powerful statistics for alignment-free sequence comparison under a pattern transfer model [J].Journal of Theoretical Biology，2011，284(1):106- 116．

[15] WAN L，REINERT G，SUN F，et al.Alignment-free sequence comparison(II):theoretical power of comparison statistics [J].Journal of Computational Biology，2010，17(11):1467- 1490．

[16] BAI J，KAI S，JIE R，et al.Comparison of metagenomics samples using sequence signatures [J].BMC Genomics，2012，13(1):138- 140．