一种在mRNA密码子优化的DFA图中实现Motif序列约束的方法与流程

一种在mrna密码子优化的dfa图中实现motif序列约束的方法
技术领域
1.本发明涉及计算机辅助药物研发技术领域，具体涉及一种在mrna密码子优化的dfa(有限状态自动机)图中实现motif序列约束的方法。


背景技术：

2.根据中心法则，信使rna(mrna)通过翻译产生相应的蛋白质，进而发挥生物学功能。其中从初始密码子开始至终止密码子结束，每三个连续的残基形成的密码子对应一个天然氨基酸(终止密码子除外)。在这个过程中mrna是遗传物质从dna 传递到蛋白质的中间载体。由于mrna处于蛋白质的“上游”，从理论上讲，mrna 可以对所有蛋白层面的药物进行替代。从制药行业的角度来看，mrna是一种非常有潜力的候选药物，可以满足基因治疗、癌症治疗以及开发疫苗等需求，而且其整体工艺简单，研发速度快，稳定性高。因此，mrna药物作为新兴的药物形式，已成为药物研发领域的研究热点。
3.在mrna序列中，密码子与氨基酸的对应关系为一对多，同时不同的密码子选择会影响到mrna的稳定性、翻译效率等性质。目前由于工艺的限制，部分短核酸序列(motif序列)需要避免在mrna设计中出现，包括合成酶切位点的序列。因此，密码子的实际可选排列组合数将是一个天文数字，这迫切需要使用计算机辅助的方式对密码子进行设计优化，以提高mrna序列的结构紧密性、转录稳定性及翻译效率。


技术实现要素：

4.本发明的目的在于针对现有技术中的不足，而提供一种在mrna密码子优化的 dfa图中实现motif序列约束的方法，该方法隐式地将约束加入到密码子优化的过程中，能够避免大量的无效计算从而提升设计效率。
5.本发明的目的通过以下技术方案实现：
6.提供一种在mrna密码子优化的dfa图中实现motif序列约束的方法，包括以下步骤：
7.步骤a、在dfa图中定位motif子图的位置，以获得motif子图所属的边的序列；
8.步骤b、对局部的dfa图进行扩展，将motif子图与其余部分进行分离；
9.步骤c、删除独立出来motif子图，即在dfa图中删除相应的边和游离的顶点；
10.步骤d、重复以上步骤，直至motif子图完全删除。
11.上述技术方案中，步骤a中，在dfa图中搜索定位motif子图，其搜索的步骤为：
12.a1、从dfa图的初始节点即mrna最左边部分出发；
13.a2、以深度递归的方式匹配dfa图边上的属性与motif的碱基；
14.a3、依次遍历dfa图中的每一条边，直至返回匹配的边的序列，或是报告搜索失败。
15.上述技术方案中，步骤b中，对局部的dfa图进行扩展的步骤为：
16.b1、从获取的匹配motif子图出发，分别以从后往前和从前往后的方式依次遍历每一个边，检查前后顶点的分支情况而采取不同的图修改方式，包括以下几种情况：
17.(1)从后往前的情况：顶点的入度等于1、出度大于1，表明motif子图的本顶点与其他子图共享了顶点，需要进行扩展；具体做法为新建一个顶点，连接原顶点的前后顶点，复制相应的边的属性，并且删除原出射边，最后更新motif子图所在的边的序列，如图2所示；
18.(2)从前往后的情况：顶点的入度大于1、出度大于等于1，表明motif子图的本顶点与其他子图共享了顶点，需要进行扩展；具体做法为新建一个顶点，连接原顶点的前后顶点，复制相应的边的属性，并且删除原入射边，最后更新motif子图所在的边的序列，如图3所示：
19.b2、循环执行步骤b1，直至没有发现需要修改图的情况发生。
20.本发明的有益效果：
21.本发明的一种在mrna密码子优化的dfa图中实现motif序列约束的方法，包括步骤a、在dfa图中定位motif子图的位置；步骤b、对局部的dfa图进行扩展；步骤c、删除独立出来motif子图；步骤d、重复执行步骤a，直至motif子图完全删除。由于该过程避免了显式地对候选密码子进行排列组合，而是将约束隐含在dfa 图的路径之中，即在密码子优化的动态规划算法(复杂度o(n3))的计算之前对dfa 图进行处理，这样相比在密码子优化后通过过滤剔除不符合约束的motif序列的方案，能够避免密码子排列组合所需的大量后期处理的计算量，从而大大提升了设计效率。由此，本发明的方法直接避免了计算优化过程进入到无效的解空间，在不明显增加计算量的同时，隐式地将约束加入到密码子优化的过程中，可以支持任意数量和长度的 motif序列，从而为实现工艺上可行的mrna药物设计方案尤其是长序列的mrna 密码子设计提供了计算时间上可行有效的解决手段。
附图说明
22.利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
23.图1为本发明的一种在mrna密码子优化的dfa图中实现motif序列约束的方法的流程图。
24.图2为本发明实施例1的步骤b1中以从后往前的方式对局部的dfa图进行扩展的示意图。
25.图3为本发明实施例1的步骤b1中以从前往后的方式对局部的dfa图进行扩展的示意图。
26.图4为本发明实施例2的多肽mlp的mrna优化所需要的dfa图。
27.图5为本发明实施例2的多肽mlp的mrna被优化后的dfa图。
具体实施方式
28.实施例1。
29.一种在mrna密码子优化的dfa图中实现motif序列约束的方法，包括以下步骤：
30.步骤a、在dfa图中定位motif子图的位置，以获得motif子图所属的边的序列；
31.步骤b、对局部的dfa图进行扩展，将motif子图与其余部分进行分离；
32.步骤c、删除独立出来motif子图，即在dfa图中删除相应的边和游离的顶点；
33.步骤d、重复以上步骤，直至motif子图完全删除。
34.上述技术方案中，步骤a中，在dfa图中搜索定位motif子图，其搜索的步骤为、
35.a1、从dfa图的初始节点即mrna最左边部分出发；
36.a2、以深度递归的方式匹配dfa图边上的属性与motif的碱基；
37.a3、依次遍历dfa图中的每一条边，直至返回匹配的边的序列，或是报告搜索失败。
38.上述技术方案中，步骤b中，对局部的dfa图进行扩展的步骤为：
39.b1、从获取的匹配motif子图出发，分别以从后往前和从前往后的方式依次遍历每一个边，检查前后顶点的分支情况而采取不同的图修改方式，包括以下几种情况：
40.(1)从后往前的情况：顶点的入度等于1、出度大于1，表明motif子图的本顶点与其他子图共享了顶点，需要进行扩展；具体做法为新建一个顶点，连接原顶点的前后顶点，复制相应的边的属性，并且删除原出射边，最后更新motif子图所在的边的序列，如图2所示：
41.(2)从前往后的情况：顶点的入度大于1、出度大于等于1，表明motif子图的本顶点与其他子图共享了顶点，需要进行扩展；具体做法为新建一个顶点，连接原顶点的前后顶点，复制相应的边的属性，并且删除原入射边，最后更新motif子图所在的边的序列，如图3所示：
42.b2、循环执行步骤b1，直至没有发现需要修改图的情况发生。
43.上述过程避免了显式地对候选密码子进行排列组合，而是将约束隐含在dfa图的路径之中，即在密码子优化的动态规划算法(复杂度o(n3))的计算之前对dfa图进行处理，从而避免了密码子排列组合所需的大量后期处理的计算量，大大提升了设计效率。因此，本发明的方法直接避免了计算优化过程进入到无效的解空间，在不明显增加计算量的同时，隐式地将约束加入到密码子优化的过程中，可以支持任意数量和长度的motif序列，从而为实现工艺上可行的mrna药物设计方案尤其是长序列的 mrna密码子设计提供了计算时间上可行有效的解决手段。
44.实施例2。
45.本实施例的具体实施方式以多肽mlp为例，其中m为可选密码子为aug，同时为起始密码子，其中l亮氨酸可选密码子为uua、uug、cuu、cuc、cua、cug；其中p脯氨酸可选密码子为ccu、ccc、cca、ccg；最后终止密码子有三种选择 uaa、uga、uag。
46.该多肽的mrna优化所需要的dfa图，如图4所示：
47.其中(0,0)节点为起始节点，(12,0)节点为终止节点。当需要限制motif序列为cccg 时，该dfa图则被修改为如图5所示：
48.任何从起始节点到终止节点的路径都不存在cccg这个子路径，由此约束生效。
49.若限制的motif序列包含在dfa图中的某个必经途径中，会导致dfa图的断裂，从而使该限制导致无解，这需要在最后判断是否出现这种情况。例如，若是限制的 motif序列为cc，上面的dfa图会发生断裂，因为cc这个子路径是整个dfa图的必经路径，因此该约束的加入会导致整个优化过程无解。这一点可以在处理完成后检查dfa图的完整性得以发现。
50.实施例3。
51.本实施例选取典型序列covid-2019刺突蛋白，采用实施例1的方法进行密码子优化，然后进行性能测试，测试在计算机上的运行时间。
52.该测试序列covid-2019刺突蛋白，序列全长为：
53.mfvflvllplvssqcvnlttrtqlppaytnsftrgvyypdkvfrssvlhstqdlflp ffsnvtwfhaihvsgtngtkrfdnpvlpfndgvyfasteksniirgwifgttldskt qsllivnnatnvvikvcefqfcndpflgvyyhknnkswmesefrvyssannctfe yvsqpflmdlegkqgnfknlrefvfknidgyfkiyskhtpinlvrdlpqgfsalepl vdlpiginitrfqtllalhrsyltpgdsssgwtagaaayyvgylqprtfllkyneng titdavdcaldplsetkctlksftvekgiyqtsnfrvqptesivrfpnitnlcpfgevf natrfasvyawnrkrisncvadysvlynsasfstfkcygvsptklndlcftnvyad sfvirgdevrqiapgqtgkiadynyklpddftgcviawnsnnldskvggnynyly rlfrksnlkpferdisteiyqagstpcngvegfncyfplqsygfqptngvgyqpyrv vvlsfellhapatvcgpkkstnlvknkcvnfnfngltgtgvltesnkkflpfqqfg rdiadttdavrdpqtleilditpcsfggvsvitpgtntsnqvavlyqdvnctevpvai hadqltptwrvystgsnvfqtragcligaehvnnsyecdipigagicasyqtqtnsp rrarsvasqsiiaytmslgaensvaysnnsiaiptnftisvtteilpvsmtktsvdctm yicgdstecsnlllqygsfctqlnraltgiaveqdkntqevfaqvkqiyktppikdf ggfnfsqilpdpskpskrsfiedllfnkvtladagfikqygdclgdiaardlicaqkf ngltvlpplltdemiaqytsallagtitsgwtfgagaalqipfamqmayrfngigv tqnvlyenqklianqfnsaigkiqdslsstasalgklqdvvnqnaqalntlvkqls snfgaissvlndilsrldkveaevqidrlitgrlqslqtyvtqqliraaeirasanla atkmsecvlgqskrvdfcgkgyhlmsfpqsaphgvvflhvtyvpaqeknfttapai chdgkahfpregvfvsngthwfvtqrnfyepqiittdntfvsgncdvvigivnntv ydplqpeldsfkeeldkyfknhtspdvdlgdisginasvvniqkeidrlnevaknln eslidlqelgkyeqyikwpwyiwlgfiagliaivmvtimlccmtsccsclkgccsc gscckfdeddsepvlkgvklhyt*，该序列包括了最后的终止密码子(以*表示)，所需要限制的motif集合为ggaucc、aagcuu、acuagu、gauauc、cccggg、 ggucuc、gagacc、ccaugg、gaauuc、uaauacgacucacuauag、 aucuguu cuauagugagucguauua、cccccc、uuuuuu，测试平台为intel(r) core(tm)i7-6700k cpu@4.00ghz。
54.同时，采用对比例1和2的方法对上述序列进行优化并测试运行时间，其中：
55.对比例1：采用部分优化后进行组合过滤的方法，即先进行基本的优化(不对 motif序列限制)，然后对结果中motif序列出现的位置，对相应的密码子进行组合；
56.对比例2：完全组合的方法，即枚举所有可能的碱基组合。
57.测试结果如表1所示。
58.表1.covid-2019刺突蛋白序列在不同方法下的性能测试(取3次测试的平均值)
[0059][0060]
由表1的数据可知，由于每次二级结构的计算需要大约14s，当采用对比例2完全组合的方法时，整个mrna序列将会有2.4
×
10
632
种密码子组合，因此组合计算所需要的总时间远远超过了电子计算机的能力；当采用对比例1的方法即先进行基本的优化，然后对结果中motif序列出现的位置，对相应的密码子进行组合，其组合数在 109量级，虽然该方法相比对比例2的方法所需的时间大大减少，但是仍然在实际生产实践中不可接受。而本发明的方法在10分钟的时间内即可以解决这个问题，避免了密码子排列组合所需的大量计算量，因此本发明的方法在实践中具有可行性，能够为mrna药物设计方案尤其是长序列的mrna密码
子设计提供了计算时间上可行有效的解决手段。
[0061]
以上所举实施例为本发明的较佳实施方式，仅用来方便说明本发明，并非对本发明作任何形式上的限制，任何所属技术领域中具有通常知识者，若在不脱离本发明所提技术特征的范围内，利用本发明所揭示技术内容所作出局部更动或修饰的等效实施例，并且未脱离本发明的技术特征内容，均仍属于本发明技术特征的范围内。