利用复杂网络来研究tRNA序列的进化

根据点突变和互补复制的进化机制构建tRNA序列相似度平行网络和反平行网络并研究了网络的特征．分析发现当相似度很大时，tRNA基因网络出现了无标度（scale—free）的特征．其次，还比较了平行网络和反平行网络的特征，发现在相同的条件下，反平行网络中的tRNA序列间的关系比平行网络中更密切，它们之间的相似程度更高．这同时说明现代tRNA序列由互补复制机制进化的可能性更大．最后根据点突变和互补复制的进化机制建立了一个粗糙的tRNA进化模型．结果发现模型tRNA相似度网络在0．3≤ε≤0．5条件下，不仅和真实tRNA相似度网络有局部的相似行为，而且网络的整体行为也是相似的．因此现代tRNA序列的合理的进化机制应该是上述两种机制的混合．     

利用复杂网络来研究tRNA序列的进化

根据点突变和互补复制的进化机制构建tRNA序列相似度平行网络和反平行网络并研究了网络的特征.分析发现当相似度很大时,tRNA基因网络出现了无标度(scale-free)的特征.其次,还比较了平行网络和反平行网络的特征,发现在相同的条件下,反平行网络中的tRNA序列间的关系比平行网络中更密切,它们之间的相似程度更高.这同时说明现代tRNA 序列由互补复制机制进化的可能性更大.最后根据点突变和互补复制的进化机制建立了一个粗糙的tRNA进化模型.结果发现模型tRNA相似度网络在0.3≤ξ≤0.5条件下,不仅和真实tRNA相似度网络有局部的相似行为,而且网络的整体行为也是相似的.因此现代tRNA序列的合理的进化机制应该是上述两种机制的混合.     

Distribution of Words on the World-Wide Web

The diverse words of all kinds of language are added into the World-Wide Web in an extremely complex and arbitrary manner. Behind the apparent arbitrariness topology, as we show here, there is an order hidden in the word network. By making use of Google search engine, we find that the distributions of the basic English words and Chinese characters on the web follow a universal power law. The power law exponent of rank-ordered frequency distribution is a - 0.99 for basic English words and a - 0.98 for Chinese characters. The Zipf law and page size distribution on the Web are used to explain the phenomena.