基于SVM的植物microRNA預(yù)測.pdf

1、MicroRNA(miRNA)是一種非編碼的RNA序列，這些長度約為21個(gè)堿基的序列在動(dòng)物、植物、病毒基因的后轉(zhuǎn)錄過程中發(fā)揮著巨大的作用。MiRNA可以靶向到它們對應(yīng)的靶基因，抑制某些基因的轉(zhuǎn)錄和翻譯，進(jìn)而阻止相應(yīng)性狀的表達(dá)。大量科學(xué)實(shí)驗(yàn)表明，miRNA參與到很多的生物反應(yīng)中，這些生物反應(yīng)可以由生化作用產(chǎn)生也可以由非生化作用產(chǎn)生。為了更好地了解生物的基因調(diào)控過程和生長機(jī)理，必須對這些miRNA和它們對應(yīng)的靶基因有更深入的了解。
　

2、　近些年來，以計(jì)算機(jī)強(qiáng)大的存儲(chǔ)和計(jì)算能力為基礎(chǔ)，通過機(jī)器學(xué)習(xí)方法建立模型的方式被廣泛的應(yīng)用到了生物miRNA分類預(yù)測、miRNA靶基因研究和miRNA相互作用分析等研究中?，F(xiàn)有的miRNA分類模型單純的把哺乳動(dòng)物做為研究對象，或者僅僅可以識(shí)別植物miRNA前體而無法給出miRNA的位置。因此，本文在支持向量機(jī)(SupportVector Machine，SVM)算法的基礎(chǔ)上，構(gòu)建了一個(gè)可以分類植物miRNA前體，并給出前體中成熟miRN

3、A所在位置的集成分類模型miPlantPreMat。
　　從第一個(gè)miRNA被發(fā)現(xiàn)開始，科學(xué)界提出了許多miRNA相關(guān)的特征，通過總結(jié)以往的這些特征和對植物miRNA序列的分析，本文共提取了152個(gè)miRNA序列結(jié)構(gòu)相關(guān)特征。從每個(gè)特征的信息增益值和在SVM分類過程中的貢獻(xiàn)率綜合分析出發(fā)，提出了一種有放回的支持向量機(jī)遞歸特征消除（Support Vector Machine-Recursive FeatureElimination

4、，SVM-RFE）特征子集選擇方法，同時(shí)結(jié)合了合成少數(shù)樣本過采樣(SyntheticMinority Over-sampling Technique，SMOTE)數(shù)據(jù)預(yù)處理方法和網(wǎng)格優(yōu)化參數(shù)方法，分類效果有所提升。在擬南芥，大豆，番茄等9種植物的數(shù)據(jù)集上的測試結(jié)果表明，該方法對植物的miRNA前體和成熟體分類有著高分類精度和普適性特點(diǎn)。通過miPlantPreMat分類模型，從番茄基因組中預(yù)測到了522條潛在的miRNA序列，進(jìn)一步通過