DNA的马尔可夫语言模型及其信息内容
生物物理
2015-10-09 v1 其他定量生物学
摘要
本研究提出了一种用于DNA的马尔可夫无记忆模型，极大地简化了DNA的复杂性。我们将核苷酸序列编码为称为“词”的符号序列，从中确立有意义的词长以及共享符号相似性的词组。将节点解释为表示一组相似词，将边表示为它们的功能连接，这使我们能够构建支配DNA中词组出现规律的语法规则网络。我们的模型能够以空前的准确度预测DNA中词组之间的转移，并轻松计算许多信息量以更好地表征DNA。此外，我们将已知细菌的DNA简化为仅有数十个节点的网络，展示了我们的模型如何用于检测不同生物体中相似（或不相似）的基因，以及哪些符号序列负责DNA的大部分信息内容。因此，DNA确实可以作为一种语言、一种马尔可夫语言来处理，其中“词”是一个组的元素，其语法表示任意两个组之间转移概率背后的规则。
引用
@article{arxiv.1510.02375,
title = {Markovian language model of the DNA and its information content},
author = {Shambhavi Srivastava and Murilo S. Baptista},
journal= {arXiv preprint arXiv:1510.02375},
year = {2015}
}
备注
17 pages and 5 figures