基于Hadamard编码的数字滤波基因组蛋白编码区识别方法及其生物医学应用

本研究针对基因组序列中蛋白编码区（exonic regions）识别精度不足的问题，提出了一种整合Hadamard编码（HBNE）与椭圆滤波器（Elliptic filter）的高效检测方法。通过将DNA序列转换为数值信号并利用三碱基周期性（TBP）特征，团队在秀丽隐杆线虫（Caenorhabditis elegans）基因组测试中实现95%的准确率，曲线下面积（AUC）达92%，为基因注释和疾病相关研究提供了新工具。

　　

研究背景与意义
基因组中仅约2%的序列参与蛋白质编码，如何精准定位这些区域是生物医学领域的核心挑战。传统方法依赖耗时费力的实验技术，而数字信号处理（DSP）通过分析DNA序列的数值特征提供了高效替代方案。其中，三碱基周期性（TBP）——源于密码子三联体结构的频谱特征（频率1/3峰值）——成为区分编码区与非编码区的关键指标。然而，现有数值映射方法如Voss、Walsh编码（WCBNE）等存在维度爆炸或生物特性缺失等缺陷，制约了检测效率。

研究方法与技术
来自VIT的研究团队开发了基于四阶Hadamard矩阵的数值编码方法（HBNE），结合椭圆滤波器与高斯窗技术，通过以下步骤实现优化：

1. 数值转换：将ATGC碱基序列通过Hadamard编码转化为正交数值信号，保留生物特性；
2. 噪声抑制：采用椭圆滤波器消除高频噪声，增强TBP信号；
3. 频谱分析：通过高斯窗平滑处理，突出外显子区域的周期-3成分。测试使用NCBI数据库的秀丽隐杆线虫Cosmid F56F11序列及AF039602数据集，并与Voss、二比特编码（TBNE）等6种方法对比。

研究结果

1. 编码性能对比：HBNE在F56F11序列中准确标记已知外显子位置（图4），频谱峰值信噪比优于传统方法；
2. 定量指标：准确率达95%，AUC（0.92）显著高于TBNE（87%）和WCBNE（89%）；
3. 生物兼容性：Hadamard编码的生物学合理性通过碱基电子互作潜能（EIIP）等特性验证。

结论与展望
该研究首次将Hadamard矩阵引入基因组信号处理，其正交特性有效降低了计算复杂度并提升特异性。相较于整数编码（IBNE）或三角函数编码（TCNE），HBNE在保持生物信息完整性的同时，为大规模基因组注释提供了自动化解决方案。未来可扩展至人类疾病基因筛查或农业基因组优化领域。论文发表于《Computers in Biology and Medicine》，为交叉学科研究提供了范式。