22、基于模糊随机模型的快速RNA二级结构预测

基于模糊随机模型的快速RNA二级结构预测

1. 随机结构生成与预处理时间优化思路

在RNA二级结构预测中，随机抽取有效碱基对的条件分布可在线性时间内推导得出，因此任何有效碱基对都能在O(n)时间内完成抽样。由于长度为n的结构最多有⌊(n - minHL) / 2⌋个碱基对，所以为给定输入序列生成一个随机候选结构的时间复杂度为O(n²)。

为了提升整体抽样算法在最坏情况下的性能，关键在于将预处理步骤所需的O(n³)时间复杂度至少降低到抽样策略的二次时间复杂度O(n²)。一种可行的方法是用启发式方法替代精确的内外概率计算，以得到给定输入序列的近似内外值。

2. 干扰类型与水平

对长度为n的输入序列r的精确内外概率进行干扰的方式如下：
对于每个X ∈ IGs和1 ≤ i, j ≤ n，按照以下公式重新定义对应的内部值：
αX(i, j) := max(min(αX(i, j) + αerr, 1), 0)
其中，αerr是从以下区间或集合中随机选取的：
- 相对误差：[−maxErrPercαA(i, j), +maxErrPercαA(i, j)] 或 {−fixErrPercαA(i, j), +fixErrPercαA(i, j)}，其中maxErrPerc, fixErrPerc ∈ (0, 1] 定义百分比。
- 绝对误差：[−maxErrVal, +maxErrVal] 或 {−fixErrVal, +fixErrVal}，其中maxErrVal, fixErrVal ∈ (0, 1] 是固定值。

所有外部值βX(i, j)（X ∈ IGs和1 ≤ i, j ≤ n）的随机误差也可以用相同的方