近日，中国科学院北京基因组研究所基因组科学与信息重点实验室章张研究员，带领其团队成功开发检测密码子使用偏好（Codon Usage Bias，CUB）的新算法：密码子偏差系数模型（Codon Deviation Coefficient，CDC）,该研究成果发表在《BMC Bioinformatics》杂志。

此项工作原创性地将概率论中的交、并、补操作应用到组分分析，用GC含量（S）和嘌呤含量（R）来表示四个核苷酸组分，并在此基础上推导出密码子和氨基酸的组分，从而设计出基于S和R的组分模型，应用该模型考察基因的CUB（Codon Usage Bias；密码子使用偏好），进而提出了检测基因CUB的新算法CDC（Codon Deviation Coefficient，密码子偏差系数）。不同于现有的相关算法（例如：CAI、ENC等），CDC通过GC含量和嘌呤含量考虑了不同序列的背景组分特异性，独创性的运用自展重抽样法（Bootstrap Resampling）检测CUB的显著性，且不需要高表达基因作为先验信息。经验证，CDC在模拟数据中优于现有的多个相关算法，在真实数据中CDC与基因表达含量的关联系数（Correlation Coefficient）高于其它算法，并且在大肠杆菌中发现CUB的显著性与基因功能有着紧密联系。

该项成果的发布，使科研工作者能更准确快速的分析研究CUB，进而更深入的学习在自然选择压力下的基因突变、基因表达，蛋白质功能等的进化。

文章链接：http://www.biomedcentral.com/1471-2105/13/43/abstract