DNA存储中的编码技术

脱氧核糖核酸(Deoxyribonucleic Acid, DNA)是一种天然的信息存储介质,具有存储密度高、存储时间长、损耗率低等特点。在传统存储方式不能满足信息增长的需求时,DNA数据存储技术逐渐成为研究热点。DNA编码是用尽可能少的碱基序列无错的存储数据信息,包括压缩(尽可能少的占用空间)、纠错(无错存储)和转换(数字信息转为碱基序列)3部分。DNA编码是DNA存储中的关键技术,它的结果直接影响存储性能的优劣和数据读写的完整。本文首先介绍DNA存储的发展历史,然后介绍DNA存储的框架,其中重点介绍DNA编码技术,最后对DNA存储中的编解码技术的未来发展方向进行讨论。     

基于序列特征的环状RNA识别

环状RNA是新发现的一类具有重要生物学功能的RNA。现有的环状RNA识别工具依赖高通量测序数据,因数据本身和识别方式的弊端而普遍存在准确性不足、不同方法间重复性低以及假阳性率/假阴性率高等缺点。为了解决该问题,我们搭建模型来实现不依赖于测序数据而根据序列的内在特征的环状RNA从头预测。本文选取了包括剪接位点上下游内含子的长度、A-to-I密度和Alu重复序列等100个与RNA成环相关的序列特征,建立了机器学习模型,并识别了人类基因组中的环状RNA,比较了两种机器学习方法随机森林法(RF)和支持向量机(SVM)的分类效果。结果表明,所选序列特征能有效地鉴别RNA能否成环,同时,不同序列特征对模型的分类预测能力的贡献也不同。相比于SVM方法,RF分类的效果更好。     

不同结构的蛋白编码基因的密码子偏性研究

利用聚类分析方法,对两类具有不同三级结构的75个蛋白的编码基因的密码子使用偏性进行了分析。75个基因样本序列按照对应蛋白的三级结构被很清晰的分成了两类,从而发现密码子的使用与蛋白质的三级结构有很大的相关性。这一重要结果证实了DNA的一维信息中蕴含着蛋白质的三级结构信息。     

高密度基因芯片探针布局方法

为了提高基因芯片制备质量和检测的准确性,提出两种基因芯片布局方法,一是分子印章凸点优化布局方法,另一种是基于探针杂交解链温度的梯度场布局方法。利用上述两种方法对所设计的高密度基因芯片进行控针布局实验,结果表明,第一种方法能够使制备基因芯片的分子印章上凸点均匀分布,解决误压印问题,从而提高基因芯片的制备质量;而第二种方法能够使基因芯片上的探针按照杂交解链温度有序地组织起来,从而提高基因芯片对碱基错配的辨别力。     

环状RNA计算预测方法的研究进展

环状RNA(circular RNA,circRNA)是一类具有重要生物作用的内源性RNA,大多在可变剪接过程中通过5'端和3'端反向共价连接形成闭合环状结构.目前,环状RNA的识别策略主要分为两大类:一类方法从高通量测序(RNA-seq)数据中检测反向剪接位点,另一类直接从RNA序列中检测成环特征.由于数据本身和识别...