專利名稱：一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)及方法
技術(shù)領(lǐng)域：
本發(fā)明涉及生物技術(shù)領(lǐng)域，尤其涉及一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)及方法。
背景技術(shù)：
由于生物數(shù)據(jù)的復(fù)雜性和高維性，既不能以數(shù)字公式表示，也不能以邏輯公式表示，故對這些序列的研究大多是基于統(tǒng)計工具。此外，通過數(shù)據(jù)的可視化，幫助人們認識和理解生物序列，進而分析和解釋數(shù)據(jù)，使人們從表面上看來是雜亂無章的海量數(shù)據(jù)中找出隱藏的規(guī)律，為科學(xué)發(fā)現(xiàn)提供依據(jù)。所以，現(xiàn)在很多學(xué)者都開始借助各種可視化工具，以圖、樹、方體、鏈的形式展現(xiàn)其復(fù)雜結(jié)構(gòu)和序列模式，以求直觀地表達生物序列的理論結(jié)構(gòu)與區(qū)另O。同時，將經(jīng)過數(shù)據(jù)挖掘工具得到的數(shù)據(jù)結(jié)果也以圖形、圖像的形式展現(xiàn)給用戶，便于用戶尋找數(shù)據(jù)間的規(guī)律和關(guān)系。序列的背景信息對于研究序列的進化關(guān)系與分類非常關(guān)鍵。然而，目前的工具，均不能利用序列的背景信息和自由選擇分析的算法，導(dǎo)致結(jié)果的分析與解釋不容易進行。而且顯示結(jié)果只能以一種顏色的方式來表現(xiàn)，用戶不能任意改變顏色設(shè) 置，對用戶造成極大的不便。

發(fā)明內(nèi)容
為了解決上述技術(shù)問題，本發(fā)明的目的是提供一種能自由選擇分析算法，并且能更直觀地顯示結(jié)果的一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)。本發(fā)明的另一個目的是提供一種能自由選擇分析算法，并且能更直觀地顯示結(jié)果的一種基因蛋白質(zhì)序列關(guān)系分析方法。本發(fā)明所采用的技術(shù)方案是
一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)，包括
文件選擇模塊，用于選擇要讀取的文件；
序列文件分析模塊，用于對序列文件進行分析；
序列距離分析模塊，用于計算序列間的距離，得出距離關(guān)系矩陣；
MDS分析模塊，用于對距離關(guān)系矩陣進行分析；
結(jié)果顯示模塊，用于對分析的結(jié)果進行分類和顯示。作為所述的一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)的進一步改進，所述的序列文件分析模塊包括
文件讀取模塊，用于讀取序列文件；
頭文件分析模塊，用于將頭文件存入數(shù)據(jù)結(jié)構(gòu)，并對其進行分隔；
字段選擇模塊，用于選擇后續(xù)結(jié)果顯示時需要的字段。作為所述的一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)的進一步改進，所述的MDS分析模塊包括
算法選擇模塊，用于選擇要調(diào)用的算法；
降維模塊，用于對距離關(guān)系矩陣進行降維。
作為所述的一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)的進一步改進，所述的結(jié)果顯示模塊包括
標識選擇模塊，用于選擇標識的形狀和顏色；
序列顯示模塊，用于以選擇的形狀和顏色標識出各個序列在二維坐標系中的位置；
序列分類模塊，用于對序列進行分類。本發(fā)明所采用的另一個技術(shù)方案是
一種基因蛋白質(zhì)序列關(guān)系分析方法，包括以下步驟
A、選擇要讀取的文件； B、對序列文件進行分析；
C、計算序列間的距離，得出距離關(guān)系矩陣；
D、對距離關(guān)系矩陣進行分析；
E、對分析的結(jié)果進行分類和顯示。作為所述的一種基因蛋白質(zhì)序列關(guān)系分析方法的進一步改進，所述的步驟B包括
BI、讀取序列文件；
B2、將頭文件存入數(shù)據(jù)結(jié)構(gòu)，并對其進行分隔；
B3、選擇后續(xù)結(jié)果顯示時需要的字段。作為所述的一種基因蛋白質(zhì)序列關(guān)系分析方法的進一步改進，所述的步驟D包括
D1、選擇要調(diào)用的算法；
D2、對距離關(guān)系矩陣進行降維。作為所述的一種基因蛋白質(zhì)序列關(guān)系分析方法的進一步改進，所述的步驟E包括
E1、選擇標識的形狀和顏色；
E2、以選擇的形狀和顏色標識出各個序列在二維坐標系中的位置；
E3、對序列進行分類。本發(fā)明的有益效果是
本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)，通過文件選擇模塊、序列文件分析模塊、序列距離分析模塊、MDS分析模塊和結(jié)果顯示模塊，選擇要讀取的文件，對序列文件進行分析，計算序列間的距離，得出距離關(guān)系矩陣，對距離關(guān)系矩陣進行分析，對分析的結(jié)果進行分類和顯示，使得用戶可以根據(jù)需求選擇合適的算法進行降維，從而避免損失必要的信息，能單獨對序列背景信息進行挖掘和分類，并且提供了多種圖形以及豐富的顏色供用戶自由選擇，從而能更好更直觀地顯示序列的背景信息。本發(fā)明的另一個有益效果是
本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析方法，通過選擇要讀取的文件，對序列文件進行分析，計算序列間的距離，得出距離關(guān)系矩陣，對距離關(guān)系矩陣進行分析，對分析的結(jié)果進行分類和顯示。本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析方法可以根據(jù)需求選擇合適的算法進行降維，從而避免損失必要的信息，能單獨對序列背景信息進行挖掘和分類，并且提供了多種圖形以及豐富的顏色供用戶自由選擇，從而能更好更直觀地顯示序列的背景信息。


下面結(jié)合附圖對本發(fā)明的具體實施方式
作進一步說明
圖I是本發(fā)明本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)的模塊方框 圖2是本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)的實施例一的模塊方框 圖3是本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)的實施例二的模塊方框 圖4是本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)的實施例三的模塊方框 圖5是本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析方法的步驟流程圖； 圖6是本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析方法步驟B實施例一的步驟流程 圖7是本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析方法步驟D實施例二的步驟流程 圖8是本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析方法步驟E實施例三的步驟流程圖。
具體實施例方式圖I是本發(fā)明本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)的模塊方框圖，系統(tǒng)包括文件選擇模塊，用于選擇要讀取的文件；序列文件分析模塊，用于對序列文件進行分析；序列距離分析模塊，用于計算序列間的距離，得出距離關(guān)系矩陣；MDS分析模塊，用于對距離關(guān)系矩陣進行分析；結(jié)果顯示模塊，用于對分析的結(jié)果進行分類和顯示。圖2是本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)的實施例一的模塊方框圖，其中所述的序列文件分析模塊包括文件讀取模塊，用于讀取序列文件；頭文件分析模塊，用于將頭文件存入數(shù)據(jù)結(jié)構(gòu)，并對其進行分隔；字段選擇模塊，用于選擇后續(xù)結(jié)果顯示時需要的字段。圖3是本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)的實施例二的模塊方框圖，其中所述的MDS分析模塊包括算法選擇模塊，用于選擇要調(diào)用的算法；降維模塊，用于對距離關(guān)系矩陣進行降維。圖4是本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)的實施例三的模塊方框圖，其中所述的結(jié)果顯示模塊包括標識選擇模塊，用于選擇標識的形狀和顏色；序列顯示模塊，用于以選擇的形狀和顏色標識出各個序列在二維坐標系中的位置；序列分類模塊，用于對序列進行分類。圖5是本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析方法的步驟流程圖，結(jié)合圖5，本發(fā)明作為一種基因蛋白質(zhì)序列關(guān)系分析方法，包括以下步驟
A、選擇要讀取的文件；
B、對序列文件進行分析；
C、計算序列間的距離，得出距離關(guān)系矩陣；
D、對距離關(guān)系矩陣進行分析；
E、對分析的結(jié)果進行分類和顯示。優(yōu)選地，計算序列間的距離是通過一位一位的比較，然后計算總的相同的位置的值完全相同的位數(shù)，除以兩個序列比對的長度，如果兩個序列長度不一致，則選取序列長度最短的序列的長度值作為比對長度，得到的百分比就是兩個序列的距離。通過調(diào)用這個序列距離分析方法，比對每個序列間的相似程度，就可以得到一個N*N的相似度的距離關(guān)系矩陣。圖6是本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析方法步驟B實施例一的步驟流程圖，所述的步驟B包括
BI、讀取序列文件；
B2、將頭文件存入數(shù)據(jù)結(jié)構(gòu)，并對其進行分隔；
B3、選擇后續(xù)結(jié)果顯示時需要的字段。讀取序列文件后，遇到以“〉”開頭的頭文件部分，則存入頭文件數(shù)據(jù)結(jié)構(gòu)中。用戶在系統(tǒng)界面里面可以看到獲取到的序列文件中的第一條頭文件信息，在這一行數(shù)據(jù)下面會有一個輸入框和一個separator按鈕。在輸入框里面輸入用于在頭文件中分隔不同位置信 息的分隔符，按下separator按鈕。系統(tǒng)會根據(jù)分隔符分成幾段的字符串，分別顯示在界面中，每一段都配置了一個輸入框和s印arator按鈕。系統(tǒng)還提供了一個Add按鈕，按下這個按鈕可以在已經(jīng)區(qū)分的頭文件的下面，重新出現(xiàn)第一個頭文件，用戶可以使用需要的其它種類分隔符再分割一次。分割完畢，點擊系統(tǒng)界面里面的confirm按鈕。在分割好的每個字段后面會出現(xiàn)choose按鈕，選擇好所有需要的字段，然后點擊Next按鈕，系統(tǒng)會對每一個以“〉”開頭的部分，做與處理第一行時一樣的處理。圖7是本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析方法步驟D實施例二的步驟流程圖，所述的步驟D包括
D1、選擇要調(diào)用的算法；
D2、對距離關(guān)系矩陣進行降維。優(yōu)選地，本系統(tǒng)提供了三種可供選擇的MDS改進算法的方法來對距離關(guān)系矩陣進行降維，經(jīng)典MDS算法,適用于普通的分析；兩種改進的MDS算法(Nystrom法，LMDS ；Splitand Combine MDS，SCMDS)，適用于大數(shù)據(jù)集(N>5000)。用戶可以根據(jù)自己的需求選擇合適的MDS算法進行降維，避免損失必要的信息，而且分析過程序列背景信息與序列信息分離，單獨對序列背景信息進行挖掘和分類。圖8是本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析方法步驟E實施例三的步驟流程圖，所述的步驟E包括
El、選擇標識的形狀和顏色；
E2、以選擇的形狀和顏色標識出各個序列在二維坐標系中的位置；
E3、對序列進行分類。首先出現(xiàn)在用戶面前的選擇根據(jù)head頭文件分析選擇出來的列，選擇2列用于分別表示形狀跟顏色。選擇好后，點擊NEXT按鈕，界面里面會出現(xiàn)選擇2列里的所有的種類，每一個后面都有一個按鈕，點擊形狀列的就會出現(xiàn)，一個有20種不同形狀可供選擇的對話框。選擇好形狀后就會在這個值后面出現(xiàn)所對應(yīng)的形狀。點擊顏色列值后面的按鈕，就會出現(xiàn)顏色選擇對話框。選擇自己所需要選定的顏色。當(dāng)所有需要選定的值都設(shè)置好后，點擊NEXT按鈕，就會出現(xiàn)二維坐標，里面有代表各個序列的貼圖以及它們的顏色很好區(qū)分。不僅可以通過左右鼠標鍵來擴大或者縮小坐標所代表的區(qū)域，還可以通過鍵盤的上下左右鍵來上下左右移動坐標區(qū)域。系統(tǒng)的菜單部分Coordination下的AB, AC, BC分別是選擇不同的坐標對應(yīng)方式，通過點擊可以得到相應(yīng)坐標下的對應(yīng)圖。而KMeans菜單下的K Value則是設(shè)置K值的地方，在彈出的對話框中填入你要對這些序列的分類數(shù)目，點擊確認。界面里的序列就會自動分好類，序列的圖標與類的中心用直線連接起來，方便區(qū)分。在Search菜單下面點擊Search會出現(xiàn)一個對話框用于搜索需要的內(nèi)容，點擊確認就會根據(jù)內(nèi)容把所有的有關(guān)的序列都用正方形框起來，便于用戶分析這些序列相互間的關(guān)系。從上述內(nèi)容可以看出
本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)及方法，通過選擇要讀取的文件，對序列文件進行分析，計算序列間的距離，得出距離關(guān)系矩陣，對距離關(guān)系矩陣進行分析，對分析的結(jié)果進行分類和顯示。本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析方法可以根據(jù)需求選擇合適的算法進行降維，從而避免損失必要的信息，能單獨對序列背景信息進行挖掘和分類，并且提供了多種圖形以及豐富的顏色供用戶自由選擇，從而能更好更直觀地顯示序列的背景信肩、O 以上是對本發(fā)明的較佳實施進行了具體說明，但本發(fā)明創(chuàng)造并不限于所述實施例，熟悉本領(lǐng)域的技術(shù)人員在不違背本發(fā)明精神的前提下還可做作出種種的等同變形或替換，這些等同的變形或替換均包含在本申請權(quán)利要求所限定的范圍內(nèi)。
權(quán)利要求
1.一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)，其特征在于，包括 文件選擇模塊，用于選擇要讀取的文件； 序列文件分析模塊，用于對序列文件進行分析； 序列距離分析模塊，用于計算序列間的距離，得出距離關(guān)系矩陣； MDS分析模塊，用于對距離關(guān)系矩陣進行分析； 結(jié)果顯示模塊，用于對分析的結(jié)果進行分類和顯示。
2.根據(jù)權(quán)利要求I所述的一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)，其特征在于所述的序列文件分析模塊包括 文件讀取模塊，用于讀取序列文件； 頭文件分析模塊，用于將頭文件存入數(shù)據(jù)結(jié)構(gòu)，并對其進行分隔； 字段選擇模塊，用于選擇后續(xù)結(jié)果顯示時需要的字段。
3.根據(jù)權(quán)利要求I所述的一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)，其特征在于所述的MDS分析模塊包括 算法選擇模塊，用于選擇要調(diào)用的算法； 降維模塊，用于對距離關(guān)系矩陣進行降維。
4.根據(jù)權(quán)利要求I所述的一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)，其特征在于所述的結(jié)果顯示模塊包括 標識選擇模塊，用于選擇標識的形狀和顏色； 序列顯示模塊，用于以選擇的形狀和顏色標識出各個序列在二維坐標系中的位置； 序列分類模塊，用于對序列進行分類。
5.一種基因蛋白質(zhì)序列關(guān)系分析方法，其特征在于，包括以下步驟 A、選擇要讀取的文件； B、對序列文件進行分析； C、計算序列間的距離，得出距離關(guān)系矩陣； D、對距離關(guān)系矩陣進行分析； E、對分析的結(jié)果進行分類和顯示。
6.根據(jù)權(quán)利要求5所述的一種基因蛋白質(zhì)序列關(guān)系分析方法，其特征在于所述的步驟B包括 BI、讀取序列文件； B2、將頭文件存入數(shù)據(jù)結(jié)構(gòu)，并對其進行分隔； B3、選擇后續(xù)結(jié)果顯示時需要的字段。
7.根據(jù)權(quán)利要求5所述的一種基因蛋白質(zhì)序列關(guān)系分析方法，其特征在于所述的步驟D包括 D1、選擇要調(diào)用的算法； D2、對距離關(guān)系矩陣進行降維。
8.根據(jù)權(quán)利要求5所述的一種基因蛋白質(zhì)序列關(guān)系分析方法，其特征在于所述的步驟E包括 El、選擇標識的形狀和顏色； E2、以選擇的形狀和顏色標識出各個序列在二維坐標系中的位置；E3、對序列進 行分類。
全文摘要
本發(fā)明公開了本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)及方法，系統(tǒng)包括文件選擇模塊、序列文件分析模塊、序列距離分析模塊、MDS分析模塊和結(jié)果顯示模塊。方法包括通過選擇要讀取的文件，對序列文件進行分析，計算序列間的距離，得出距離關(guān)系矩陣，對距離關(guān)系矩陣進行分析，對分析的結(jié)果進行分類和顯示。本發(fā)明一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)及方法可以根據(jù)需求選擇合適的算法進行降維，從而避免損失必要的信息，能單獨對序列背景信息進行挖掘和分類，并且提供了多種圖形以及豐富的顏色供用戶自由選擇，從而能更好更直觀地顯示序列的背景信息。本發(fā)明作為一種基因蛋白質(zhì)序列關(guān)系分析系統(tǒng)及方法應(yīng)用于生物技術(shù)領(lǐng)域。
文檔編號G06F19/16GK102968577SQ20121049270
公開日2013年3月13日 申請日期2012年11月27日 優(yōu)先權(quán)日2012年11月27日
發(fā)明者史衛(wèi)峰, 柏佳寧, 李先斌, 凌誠, 郭雪平, 鄭為民, 黃錫鴻 申請人:廣州中國科學(xué)院先進技術(shù)研究所