39、关系序列比对与标识：生物序列分析的新视角

关系序列比对与标识：生物序列分析的新视角

在生物信息学和机器学习领域，关系序列比对和标识是两个重要的概念，它们为我们理解生物序列的结构和功能提供了新的视角。本文将深入探讨这两个概念，并通过实验验证它们在实际应用中的有效性。

关系序列标识

传统的序列比对通常以文本信息的形式呈现，这使得我们很难从中读取到诸如序列的一般共识、每个位置上符号的优势顺序、相对频率、每个位置的信息量以及序列中的重要位置等信息。而关系序列标识则将这些信息集中在一个图形表示中，使得我们能够更直观地理解序列的特征。

在关系序列标识中，每个位置 $i$ 由一个堆栈表示，堆栈中的原子来自于相应比对中位置 $i$ 的原子。堆栈的高度表示该位置的信息量 $I_i$，每个原子 $k$ 在位置 $i$ 的高度 $h_{ik}$ 与其相对于预期频率的频率成正比，计算公式为：
$h_{ik} = \alpha_i \cdot \frac{q_{ik}}{p_k} \cdot I_i$
其中，$\alpha_i$ 是一个归一化常数。原子按照其高度进行排序，如果 $I_{ik}$ 为负，则原子将倒置显示。

低抽象级别的序列标识可能会变得非常复杂，而关系抽象可以帮助我们简化这些标识。通过考虑比对中每个位置上相同谓词的所有基原子的最不一般泛化作为符号，我们可以得到最高抽象级别的标识。这种抽象标识与基标识看起来完全不同，它能够突出显示特定位置上的重要信息，如第 9 个位置的限定词以及第 14 和 15 个位置的命题短语。关系标识通过将每个位置的单个堆栈项组合在一起，并按高度升序排序，将两种视图的信息结合起来。

关系序列标识表明，尽管关系比对可能很复杂，但它们具有丰富的内部结构。如