LinearSankoff：RNA同源序列的线性时间同步折叠与比对
生物大分子
2023-07-20 v1 数据结构与算法
基因组学
摘要
用于同源RNA序列同步折叠与比对的经典Sankoff算法极具影响力，但在效率与建模能力上存在两大局限。首先，对两条序列其时间复杂度为 ，其中n为平均序列长度。多数实现与变体通过将比对搜索空间受限将运行时间降至 ，但对全长病毒基因组等长序列仍过慢。另一方面，Sankoff算法及其所有现有实现采用了相当简化的比对模型，可能导致比对精度不佳。为解决这些问题，我们提出LinearSankoff，将原始Sankoff算法与基于隐马尔可夫模型的强大比对模块无缝集成。该扩展显著提升了比对质量，进而有益于二级结构预测质量，并在多种RNA家族上得到验证。LinearSankoff还应用集束搜索启发式与A类算法，使运行时间随序列长度线性缩放。LinearSankoff是首个线性时间同步折叠与比对算法，也是首个可扩展至冠状病毒基因组（n 30,000nt）的此类算法。一对SARS-CoV-2与SARS相关基因组仅需10分钟，且在识别两基因组间关键保守结构方面优于以往工作。
引用
@article{arxiv.2307.09580,
title = {LinearSankoff: Linear-time Simultaneous Folding and Alignment of RNA Homologs},
author = {Sizhen Li and Ning Dai and He Zhang and Apoorv Malik and David H. Mathews and Liang Huang},
journal= {arXiv preprint arXiv:2307.09580},
year = {2023}
}