Статья представляет результаты экспериментального исследования эффективности применения суффиксных деревьев при решении различных задач анализа геномных последовательностей. Для исследования применялся программный модуль, основанный на оригинальной реализации механизма суффиксных деревьев. Были разработаны процедуры для решения следующих задач: обнаружение мотивов, поиск паттернов в наборе последовательностей, поиск палиндромов. Для каждой задачи на входных данных разного размера проводилось сравнение быстродействия трёх вариантов алгоритмов: 1) на основе обычного суффиксного дерева, 2) на основе суффиксного дерева ограниченной глубины и 3) «наивного» алгоритма, не использующего суффиксные деревья. Результаты экспериментов показали, что для задач, требующих многократных сравнений различных строк с одной и той же строкой (задачи обнаружения мотивов и поиска паттернов), суффиксные деревья дают существенный прирост производительности. Вместе с тем для анализа одной строки (задача обнаружения палиндромов) более эффективен «наивный» подход, не требующий дополнительных затрат на построение вспомогательных структур данных.
The article presents the results of experimental study of the efficiency of using suffix trees for solving various problems of genomic sequence analysis. A software module based on the original implementation of suffix trees was used as a tool for study. We have developed procedures for solving the following problems: motif discovery, pattern search in a set of sequences, search for palindromes. For each problem we have compared the performance of the procedures on inputs of various sizes. Three variants of procedures have been compared for each problem: 1) based on ordinary suffix tree; 2) based on pruned suffix trees and 3) naïve algorithm that does not use suffix trees. The results of the study have shown that for problems that require multiple comparisons of various strings with the same string (eg motif discovery and pattern search) suffix trees give significant performance gains. However, for single string analysis (palindrome search) naïve approach is more efficient.
1. Бут А. А., Адигеев М. Г. Программный модуль решения задач биоинформатики с помощью обобщенных суффиксных деревьев // Материалы IV Международной научно-практической конференции «Актуальные проблемы биологии, нанотехнологий и медицины». 22–25 сентября 2011 г., Ростов-на-Дону. – С. 46.
2. Гасфилд Д. Строки, деревья и последовательности в алгоритмах. Информатика и вычислительная биология. – СПб.: Невский Диалект, БХВ-Петербург, 2003. – 654 с.
3. Хаубольд Б., Вие Т. Введение в вычислительную биологию. Эволюционный подход. ¬– М.; Ижевск: НИЦ ''Регулярная и хаотическая динамика'', Ижевский институт компьютерных исследований, 2011. – 424 с.
4. Marsan L., Sagot M.-F. Algorithms for Extracting Structured Motifs Using a Suffix Tree with an Application to Promoter and Regulatory Site Consensus Identification // Journal of Computational Biology. – August 2000, 7(3–4). – P. 345-362.
5. Pavesi G., Mauri G., Pesole G. An algorithm for finding signals of unknown length in DNA sequences // Bioinformatics. – 2001. – Vol. 17. – P. S207-14.
6. Sequence Manipulation Suite. Version 2. URL: http://www.bioinformatics.org/sms2/ (дата обращения: 17.09.12).