Small-angle polarimetry as a technique for identification of nucleotide sequences in bioinformatics

封面

如何引用文章

全文:

详细

Background and Objectives: The method of identification of symbolic sequences associated with the genetic structure of biological objects using the principles of small-angle polarimetry is considered. This method of analyzing and visualizing symbolic sequences obtained by sequencing DNA fragments can be defined as small-angle polarimetry of phase-modulating structures associated with genetic information. Materials and Methods: The analyzed symbolic sequence is represented by a two-dimensional phase-modulating matrix, each element of which corresponds to one of the four basic nucleotides (adenine, cytosine, thymine, guanine), and the depth of modulation of the phase of the reading coherent linearly polarized beam is determined by the content of this nucleotide in the corresponding triplet in the nucleotide sequence. As a result of the diffraction of a reading coherent beam with a polarization plane oriented at an angle of 45° to the sides of the phase-modulating matrix, a spatial distribution of local polarization states of the reading field diffracted on the matrix is formed in the paraxial region of the far diffraction zone. Discrimination of local polarization states in accordance with the proposed algorithm makes it possible to synthesize a binary spatial distribution, which is a unique identifier of the analyzed symbol sequence. Results: Modeling of the processes of phase coding and subsequent analysis of local polarization states in the near-axial region using sequencing results for the strains “Wuhan”, “Delta” and “Omicron” of the SARS-CoV-2 virus has shown a high sensitivity of the method to local changes in the structure of nucleotide sequences. Conclusion: The results of the simulation allow us to conclude that binary distributions of local polarization states of light fields diffracted on DNA-associated phase-modulating structures recorded in the axial region are characterized by high sensitivity to local mutational changes in the structure of nucleotide sequences. The results obtained can be used as a basis for creating effective hybrid methods for analyzing genetic information using the principles of polarization coding and small-angle polarimetry.

作者简介

Dmitry Zimnyakov

Saratov State Technical University named after Yuri Gagarin

77, Politechnicheskaya str., Saratov, 410054, Russia

Marina Alonova

Saratov State Technical University named after Yuri Gagarin

77, Politechnicheskaya str., Saratov, 410054, Russia

Anatoly Skripal

Saratov State University

410012, Russia, Saratov, Astrakhanskaya street, 83

Sergey Dobdin

Saratov State University

410012, Russia, Saratov, Astrakhanskaya street, 83

Valentina Feodorova

Saratov State University

410012, Russia, Saratov, Astrakhanskaya street, 83

参考

  1. Andelfinger G., Hitte C., Etter L., Guyon R., Bourque G., Tesler G., Pevzner P., Kirkness E., Galibert F., Benson D. W. Detailed four-way comparative mapping and gene order analysis of the canine ctvm locus reveals evolutionary chromosome rearrangements // Genomics. 2004. Vol. 83. P. 1053–1062. https://doi.org/10.1016/j.ygeno.2003.12.009
  2. Anisimova M., Bielawski J. P., Yang Z. Accuracy and power of Bayes prediction of amino acid sites under positive selection // Mol. Biol. Evol. 2002. Vol. 19. P. 950–958. https://doi.org/10.1093/oxfordjournals.molbev.a004152
  3. Rivas E., Eddy S. R. Noncoding RNA gene detection using comparative sequence analysis // BMC Bioinform. 2001. Vol. 2. P. 1–19. https://doi.org/10.1186/1471-2105-2-8
  4. Hwang D. G., Green P. Bayesian Markov chain Monte Carlo sequence analysis reveals varying neutral substitution patterns in mammalian evolution // Proc. Natl. Acad. Sci. U.S.A. 2004. Vol. 101. P. 13994–14001. https://doi.org/10.1073/pnas.0404142101
  5. Eddy S. R. A model of the statistical power of comparative genome sequence analysis // PLoS Biol. 2005. Vol. 3. P. e10. https://doi.org/10.1371/journal.pbio.0030010
  6. Gitter A., Siegfried Z., Klutstein M., Fornés O., Oliva B., Simon I., Bar-Joseph Z. Backup in gene regulatory networks explains differences between binding and knockout results // Mol. Syst. Biol. 2009. Vol. 5. P. 276. https://doi.org/10.1038/msb.2009.33
  7. Cooper G. M., Brudno M., Green E. D., Batzoglou S., Sidow A. Quantitative estimates of sequence divergence for comparative analyses of mammalian genomes // Genome Res. 2003. Vol. 13. P. 813–820. https://doi.org/10.1101/gr.1064503
  8. Abnizova I., Walter K. Te Boekhorst R., Elgar G., Gilks W. R. Statistical information characterization of conserved non-coding elements in vertebrates // J. Bioinform. Comput. Biol. 2007. Vol. 5. P. 533–547. https://doi.org/10.1142/S0219720007002898
  9. Orlov Y. L. Te Boekhorst R., Abnizova I. I. Statistical measures of the structure of genomic sequences: Entropy, complexity, and position information // J. Bioinform. Comput. Biol. 2006. Vol. 4. P. 523–536. https://doi.org/10.1142/S0219720006001801
  10. Sorek R., Safer H. M. A novel algorithm for computational identification of contaminated EST libraries // Nucleic Acids Res. 2003. Vol. 31, iss. 3. P. 1067–1074. https://doi.org/10.1093/nar/gkg170
  11. Altschul S. F., Gish W., Miller W., Myers E. W., Lipman D. J. Basic local alignment search tool // J. Mol. Biol. 1990. Vol. 215. P. 403–410. https://doi.org/10.1016/S0022-2836(05)80360-2
  12. Guide to Human Genome Computing / ed. M. J. Bishop. 2nd ed. San Diego, CA, USA : Academic Press, 1998. 306 p.
  13. Automated DNA Sequencing and Analysis / eds. M. D. Adams, C. Fields, J. C. Venter. 1st ed. San Diego, CA, USA : Academic Press, 1994. 368 p.
  14. Bioinformatics for DNA Sequence Analysis / ed. D. Posada. 1st ed. Totova, NJ, USA : Humana Press Inc., 2009. 368 p. https://doi.org/10.1007/978-1-59745-251-9
  15. Оптическая голография: в 2 т. / под ред. Г. Колфилда. М. : Мир, 1982. Т. 2. 186 с.
  16. Ulianova O. V., Zaytsev S. S., Saltykov Y. V., Lyapina A., Subbotina I., Filonova N., Ulyanov S. S., Feodorova V. A. Speckle-interferometry and speckle-correlometry of GB-speckles // Front. Biosci. (Landmark Ed). 2019. Vol. 24. P. 700–711. https://doi.org/10.2741/4744
  17. Ulyanov S. S., Ulianova O. V., Zaytsev S. S., Saltykov Y. V., Feodorova V. A. Statistics on genebased laser speckles with a small number of scatterers: Implications for the detection of polymorphism in the Chlamydia trachomatis omp1 gene // Las. Phys. Lett. 2018. Vol. 15, № 4. Article number 045601. https://doi.org/10.1088/1612-202X/aaa11c
  18. Goodman J. W. Introduction to Fourier Optics. 4th ed. New York, USA : Macmillan Learning, 2017. 564 p.
  19. Goodman J. W. Statistical Optics. 2nd ed. Hoboken, NJ, USA : J. Wiley and Sons, Inc., 2015. 544 p.
  20. Chipman R., Lam W.-S. T., Young G. Polarized Light and Optical Systems. 1st ed. Boca-Raton, FL, USA : CRC Press, 2018. 1036 p. (Optical Sciences and Applications of Light).
  21. GISAID: Official hCoV-19 Reference Sequence. URL: https://gisaid.org/wiv04/. Acc. ID: EPI_ISL_402124 (дата обращения: 15.08.2021).
  22. GISAID: Official hCoV-19 Reference Sequence. URL: https://gisaid.org/wiv04/. Acc. ID: EPI_ISL_2552101 (дата обращения: 15.08.2021).
  23. GISAID: Official hCoV-19 Reference Sequence. URL: https://gisaid.org/wiv04/. Acc. ID: EPI_ISL_9991311 (дата обращения: 15.08.2021).
  24. Bennett C. H., Brassard G. Quantum cryptography: Public key distribution and coin tossing // Proceedings of International Conference on Computers, Systems & Signal Processing, Dec. 9–12, 1984, Bangalore, India. IEEE, 1984. P. 175–179.
  25. Bennett C. H., Brassard G. Quantum cryptography: Public key distribution and coin tossing // Theoretical Computer Science. 2014. Vol. 560 (part 1). P. 7–11. https://doi.org/10.1016/j.tcs.2014.05.025
  26. Bennett C. H. Quantum cryptography using any two nonorthogonal states // Phys. Rev. Lett. 1992. Vol. 68. P. 3121–3124. https://doi.org/10.1103/PhysRevLett.68.3121

补充文件

附件文件
动作
1. JATS XML
下载

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».