近日，中國科學(xué)院北京基因組研究所基因組科學(xué)與信息重點(diǎn)實(shí)驗(yàn)室“百人計(jì)劃”章張研究員帶領(lǐng)其團(tuán)隊(duì)，成功設(shè)計(jì)開發(fā)出檢測密碼子使用偏好（Codon Usage Bias，簡稱CUB）的新算法：密碼子偏差系數(shù)模型（Codon Deviation Coefficient，簡稱CDC）。
 
此項(xiàng)工作原創(chuàng)性地將概率論中的交、并、補(bǔ)操作應(yīng)用到組分分析，用GC含量（S）和嘌呤含量（R）來表示四個核苷酸組分，并在此基礎(chǔ)上推導(dǎo)出密碼子和氨基酸的組分，從而設(shè)計(jì)出基于S和R的組分模型，應(yīng)用該模型考察基因的CUB，進(jìn)而提出了CDC算法。不同于現(xiàn)有的CAI、ENC等相關(guān)算法，CDC通過GC含量和嘌呤含量考慮了不同序列的背景組分特異性，性地運(yùn)用自展重抽樣法（Bootstrap Resampling）檢測CUB的顯著性，且不需要高表達(dá)基因作為先驗(yàn)信息。
 
經(jīng)驗(yàn)證，CDC在模擬數(shù)據(jù)中優(yōu)于現(xiàn)有的多個相關(guān)算法，在真實(shí)數(shù)據(jù)中CDC與基因表達(dá)含量的關(guān)數(shù)（Correlation Coefficient）高于其它算法，并且在大腸桿菌中發(fā)現(xiàn)CUB的顯著性與基因功能有著緊密。
 
該項(xiàng)成果的發(fā)布，使科研工作者能更準(zhǔn)確快速地分析CUB，進(jìn)而更深入地研究在自然選擇壓力下的基因突變、基因表達(dá)，蛋白質(zhì)功能等的進(jìn)化。