一种基于ARM处理器的玉米lncRNA筛选分类方法与流程

本发明涉及生物信息学研究领域，具体涉及一种基于arm处理器的玉米lncrna筛选分类方法。

背景技术：

rna的二级结构就是指因碱基互补配对，rna自身折叠构成的茎-环结构。因碱基互补配对，rna虽然是单链却会自身折叠在部分区域构成双螺旋结构，使得rna的三维空间结构变得复杂。除典型配对(waston-crick配对，a＝u、g≡c)外，还有g＝u(wobblebasepairs摆动配对)这种例外情况。g≡c稳定性最高，g＝u稳定性最低。二级结构中茎是碱基连续构成配对的地方，按照上述a＝u、g≡c、g＝u的配对规则构成的双螺旋区域。部分没有形成配对的单链部分为环。

在研究有关rna的问题时，我们通过rna一级序列可以获得有关rna的部分信息，而对rna二级结构的研究可以进一步探索其具有的生物学功能。rna二级结构预测是现在生物信息学领域的焦点问题，发展到今天，已经有许多算法解决这个问题。总结常用的二级结构预测算法有以下4类：动态规划算法，比较序列分析法，组合优化算法，启发式算法。目前使用生物实验方法实现rna二级结构预测耗时耗力，而基于计算方法的预测局限于序列整体结构的准确性，忽略局部结构保守的功能组件，不适用于长序列的预测需求。为满足lncrna二级结构预测的需求，所以提出lncrna分段二级结构预测新方法。

序列比对算法主要有三个，枚举法、动态规划算法、blast算法。枚举法是最容易想到且易理解的一个方法，但是此方法没有任何优化，时间复杂度较高，无法在合理时间内计算。故而枚举法只能理论可行，无法实际应用在较长序列中。动态规划算法是在解决决策问题时的一种最优化的方法。动态规划是在针对最优化问题时，会有多种可行解，所有可行解都有自己的值，寻找最优解的值就是动态规划的作用。其思想是将大问题分割，分别求解后，再将解合并，在求解过程中去除多数不需计算的非最优解，节省很多时间。考虑基于动态规划算法的比对，其时间复杂度正比于两条序列，即计算量相当于计算以两条序列长度建立的二维矩阵。若是可以减少二维矩阵中部分的计算量则可以提升计算速度，blast算法尽量围绕最优比对路径来计算，减少了很多不必要的运算。

技术实现要素：

本发明设计开发了一种基于arm处理器的玉米lncrna筛选分类方法，本发明的发明目的是减少运算时间，提高筛选速度以及筛选准确性的问题。

本发明提供的技术方案为：

一种基于arm处理器的玉米lncrna筛选分类方法，包括如下步骤：

步骤一、将将玉米全长cdna序列输入cpld，其通过编码关联表将cdna序列以编码的形式存储于sram中；

步骤二、筛选长度大于200的cdna序列，对cdna进行开放阅读框预测并确定阈值，确定长度小于所述阈值的cdna，其与已知蛋白作同源比对，对不同源部分进行保留，对已有植物lncrna作二级结构预测，提取二级结构特征，同时对剩余序列作二级结构预测，保留满足结构特征的部分，将待筛选的cdna序列与小rna序列进行比对，排除小rna前体；

步骤三、收集已知功能的玉米lncrna序列，并进行结构预测，对功能lncrna进行结构特征提取并筛选，构建已知功能玉米lncrna结构特征集，将所述步骤二筛选出的玉米lncrna进行二级结构提取，比对所述结构特征集，对所述lncrna功能确认分类。

优选的是，在所述步骤二中，对所述阅读框预测包括如下步骤：预测已有lncrna与编码rna的开放阅读框，依据开放阅读框长短区分编码和非编码，设定开放阅读框长度合理阈值并筛选出小于此阈值的序列。

优选的是，在所述步骤二中，所述小rna包括mirna、shrna、sirna。

优选的是，在所述步骤二中，所述待筛选的序列与所述小rna序列通过blast算法进行比对。

优选的是，在所述步骤二中，对所述lncrna二级结构预测包括如下步骤：

基于转录时间顺序的lncrna分段，各段结构形成的阶段划分，为可能形成的螺旋区进行打分，根据分值差判断最迫切形成的螺旋区，通过动态规划算法获得以螺旋区为单位的二级结构，确定最优结构形成所述预测的lncrna二级结构。

优选的是，所述lncrna分段长度为160nt，每段与前后分段重叠80nt。

优选的是，在所述步骤三中，对所述玉米lncrna序列分类还包括如下步骤：根据碱基对特征算法，对碱基配对的归一化及未形成配对的各碱基数量的归一化进行计算；根基二级结构特征算法，计算最小mfe对序列全长的归一化、二级结构中发夹环的归一化、平均发夹结构在茎区中的碱基配对比、二级结构中环长的归一化等典型特征；对提取的典型特征进行数量上的一致性分析。

优选的是，在所述步骤三中，对所述玉米lncrna序列分类还包括如下步骤：收集已知某一功能所提取的典型特征与确定未有此功能的玉米lncrna；使用svm建模方法，对模型训练并评估；筛选评估排名位于前3名的特征，作为某一功能的特征集。

本发明与现有技术相比较所具有的有益效果：

1、高性能，低功耗，高性价比，高代码密度。目前arm处理器针对嵌入式应用，在满足性能的前提下，也可达到最低功率消耗。其能兼顾到性能、功耗、代码密度及价格几个方面；

2、丰富的芯片。目前，基于arm内核的各种处理器有上百种。用户可以根据各自的应用需求，结合性能，功能等方面考量，选取合适的芯片设计自己的应用系统；

采用arm处理器实现玉米lncrna的筛选分类，不仅可以便于批量处理数据，同时可以兼顾其更高的处理速度，以及更高的准确率，并且可以便于将其固化到高通量lncrna数据采集仪器中，不仅方便快捷，标准化，模块化此筛选过程，且可以减少人工干预。

附图说明

图1为本发明所述的基于arm处理器的玉米lncrna筛选分类方法的流程图。

图2为本发明所述的基于arm处理器的玉米lncrna筛选分类方法的结构示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

如图1、图2所示，现有的lncrna的筛选分类方法，首先按照传统的设计规则采集高通量的lncrna数据，然后对其进行筛选分类等。采集lncrna需要用生物实验仪器进行，采用目前方法，不便于与高通量数据采集仪器等相结合，且人工成本高，速度慢，效率低，因此，急需将lncrna分类方法固化到高通量数据采集仪器中，优化lncrna筛选分类；因此，本发明提供了一种基于arm处理器的玉米lncrna筛选分类方法，该方法所需要的硬件设备包括处理器、内存、主板；本发明包括下列步骤：

1、将cdna序列输入cpld；

其中，cpld(complexprogrammablelogicdevice)为复杂可编程逻辑器件，从pal和gal器件发展而来，相对而言规模大，结构复杂，属于大规模集成电路范围，是一种用户根据各自需要而自行构造逻辑功能的数字集成电路。cpld基本设计方法借助集成开发软件平台，用原理图、硬件描述语言等方法，生成相应的目标文件，通过下载电缆(“在系统”编程)将代码传送到目标芯片中来实现设计。pal指可编程阵列逻辑，是70年代末由mmi公司率先推出的一种低密度、一次性可编程逻辑器件。gal为通用阵列逻辑，从pal发展而来，因为采用了eecmos工艺使得该器件的编程非常方便；

2、cpld通过编码关联表将cdna序列以编码的形式存储于sram中。我们依据序列特征和结构特征共同筛选玉米lncrna；

其中，sram是英文staticram的缩写，它是一种具有静止存取功能的内存，不需要刷新电路即能保存它内部存储的数据。我们依据序列特征和结构特征共同筛选玉米lncrna。

3、选用arm微处理器进行玉米lncrna筛选：

1)将玉米全长cdna序列对应的数字化信息，载入到筛选模型中；

2)筛选长度大于200的cdna序列；

3)对cdna进行开放阅读框预测；预测已有lncrna与编码rna的开放阅读框，依据开放阅读框长短区分编码和非编码，设定开放阅读框长度合理阈值，筛选出小于此阈值的序列；

4)将cdna和已知蛋白作同源比对，保留不同源的部分；

5)对已有植物lncrna作二级结构预测，提取二级结构特征；

6)对剩余序列作二级结构预测，保留满足结构特征的部分；

7)将收集的植物mirna(微小rna)、shrna(短发夹rna)、sirna(小干扰rna)等小rna序列存储于sram中，使用blast算法，将待筛选的序列与小rna序列进行比对，删除其中可能的小rna前体；

其中，转录本长度：序列长度200是一个判断是否为长链非编码rna的决定性的特征；orf长度：orf(开放阅读框，openreadingframe)从起始密码子开始，是在dna中有编码蛋白质的潜能、一段没有终止密码子终结的碱基序列。因为密码子读写的起始位点不同，其序列会有六种可能的阅读和翻译(有两条链，每条链有三种)；与已知蛋白的同源性：仅仅orf的特征并不一定能表征蛋白质编码的能力，还需要包含与已知蛋白的同源性的特征；

4、选用arm微处理器进行玉米lncrna分类：

1)收集已知功能的玉米lncrna序列，并进行结构预测；

2)对功能lncrna进行结构特征提取并筛选，将筛选的结果输出到lcd液晶显示器；

3)使用svm建模，构建已知功能玉米lncrna结构特征集，负样本为确定不具有此功能的lncrna。同时通过交叉验证法，对结构特征集评估排名，将排名前三的作为最终特征集元素；

4)对未知功能的玉米lncrna进行二级结构提取；

5)比对建立的功能玉米lncrna特征集，看其匹配程度，匹配度高则可预判为具有此功能，以此对未知功能lncrna进行功能特征识别；

6)未知lncrna功能确认实现分类；

其中，碱基对特征：包括碱基配对的归一化及未形成配对的各碱基数量的归一化计算，其可直观的确定结构特征，是最简单的结构特征之一；二级结构特征：包括茎区、内环、发夹环、多分枝环等基本单元的结构特征，以及最小mfe对序列全长的归一化、二级结构中发夹环的归一化、平均发夹结构在茎区中的碱基配对比、二级结构中环长的归一化等典型特征。对典型特征的提取，能够确定各功能lncrna之间结构上的差异，更好的对lncrna进行功能分类。

如图1、图2所示，本发明提供了一种基于arm处理器的玉米lncrna筛选分类方法，包括如下步骤：

步骤一、挖掘出玉米中长链非编码rna的二级结构特征，然后将玉米全长cdna序列输入cpld，用长链非编码rna的序列特征和结构特征作为识别标准寻找可能的长链非编码rna；

步骤二、将cdna序列以编码序列的形式存储于sram中，然后用arm处理器，进行lncrna筛选及分类；

步骤三、根据序列长度进行第一次筛选，获取长度大于200的cdna序列；

步骤四、之后对已有的长链非编码rna进行orf大小的统计分析，设置合理的阈值，根据此特征进行第二次筛选，获取小于此阈值的序列；

步骤五、将上一步识别的数据与已知蛋白做同源比较，进行第三次筛选，获取非同源序列；

步骤六、将收集的小rna序列存储于sram中，使用blast算法，建立比对需要的本地数据库，将待筛选的长链非编码rna作为数据库，而小rna为比对序列，去除其中可能的小rna前体；

步骤七、对已知功能玉米lncrna进行结构分析，利用svm建模建立功能结构特征集，将筛选出的未知功能lncrna进行特征提取；

步骤八、比对已知特征集，最终将匹配度高的lncrna判定为具有该功能，最后将结果输出到lcd液晶显示器。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。