- 上海那艾實驗儀器有限公司
- 網(wǎng)址：
首先是DNA的高通量測序，這其中涉及到了信息論的意義。DNA鏈條通常非常長，比如說由10的9次方個堿基組成（我不是生物專業(yè)，所以我講述不準(zhǔn)確的地方請大家指出）。我們測序的時候一般會得到很多碎片，將這些碎片整合成原來的DNA。而信息論，可以簡單地看作在打電話時將聲音進行編碼變成數(shù)字信號，再通過無線傳輸送到另一端。另一端會進行解碼，最后恢復(fù)出音頻信息。理解這一信息論的問題，首先需要建模，把這個問題轉(zhuǎn)化成一個嚴謹?shù)臄?shù)學(xué)問題。1948年，信息論的鼻祖Claude Shannon在他的經(jīng)典文章中提到一個關(guān)于信息論的數(shù)學(xué)模型，主要闡述怎么用一種非常簡單的數(shù)學(xué)模型來建模小型噴霧干燥機一個復(fù)雜問題，并通過數(shù)學(xué)分析來給實際系統(tǒng)一些很好的指導(dǎo)�；跀�(shù)學(xué)模型，信息論回答了兩個問題。首先涉及信息傳輸?shù)囊粋�理論極限，即通信中所謂的信道容量，這個理論極限任何系統(tǒng)都不可能打破；第二個問題是傳輸方式的設(shè)計，如何通過精巧的編碼方式來接近信息傳輸?shù)睦碚摌O限。所以，信息論的意義就在于它能指導(dǎo)通信系統(tǒng)的設(shè)計，有了Shannon信息論的指導(dǎo)，工程師們不再是盲人摸象，可以知道距離那個理論極限還有多遠，進而評價一種方法有多好。在得知理論極限后，我們怎么重構(gòu)一組DNA？最簡單的方法是運用貪心算法。貪心算法把短的片段都接起來，將重復(fù)的部分去掉之后得到期望中的DNA序列，這也是最直觀的方法，卻也有一些弊端。另一種算法叫de Bruijn圖算法，我們將每一段序列打碎成圖上的節(jié)點，然后將有連接關(guān)系的全聯(lián)起來得到一個有向圖，再通過圖的方式結(jié)合起來，此時DNA重構(gòu)的問題就變成了怎么樣在這個圖上找到一條最長的通路，這個圖的算法可以有一個唯一的歐拉通路，它能夠得到最長的可重構(gòu)的序列。這個算法已經(jīng)被證明性能要優(yōu)于貪婪算法，就是利用了一些圖的結(jié)構(gòu)。
