基于多特征的水平轉(zhuǎn)移基因的預(yù)測(cè)研究.pdf

1、水平基因轉(zhuǎn)移（又稱(chēng)為側(cè)向基因轉(zhuǎn)移）是指生物將遺傳物質(zhì)傳遞給其他細(xì)胞而非子代的過(guò)程，在物種進(jìn)化和微生物基因組多樣化中發(fā)揮著關(guān)鍵的作用。遺傳物質(zhì)的轉(zhuǎn)移可以發(fā)生在親緣和遠(yuǎn)緣的物種或菌株中，是非常頻繁的事件。在單細(xì)胞生物體中，它或許是遺傳物質(zhì)交流的主要形式。另外，水平基因轉(zhuǎn)移被認(rèn)為能導(dǎo)致許多人類(lèi)疾病的發(fā)生，對(duì)人類(lèi)構(gòu)成許多威脅。隨著序列數(shù)據(jù)越來(lái)越多，大量的現(xiàn)象表明水平基因轉(zhuǎn)移的發(fā)生。因此水平轉(zhuǎn)移基因的預(yù)測(cè)對(duì)于更好的了解其對(duì)基因組進(jìn)化的的影響和識(shí)別

2、新的藥物靶標(biāo)具有巨大的實(shí)用意義。
　　迄今為止，大量的識(shí)別水平轉(zhuǎn)移基因的計(jì)算方法被提出，然而通過(guò)分析，可以發(fā)現(xiàn)，他們都沒(méi)有提供可靠的預(yù)測(cè)?，F(xiàn)有的計(jì)算方法主要分為系統(tǒng)發(fā)育方法和參數(shù)方法，然而系統(tǒng)發(fā)育方法是耗時(shí)且不充分魯棒的。在現(xiàn)有的參數(shù)方法中，僅僅有一個(gè)單獨(dú)的組成特征用于預(yù)測(cè)實(shí)驗(yàn)，或者將由單個(gè)特征得到的結(jié)果簡(jiǎn)單地結(jié)合。我們知道不同的特征表征不同的信息，因此單個(gè)的特征是不能充分的表征序列編碼的信息的。另外，以往的使用機(jī)器學(xué)習(xí)的方法也都

3、沒(méi)有考慮數(shù)據(jù)集的分類(lèi)不平衡問(wèn)題，這個(gè)問(wèn)題對(duì)分類(lèi)結(jié)果會(huì)產(chǎn)生較大的誤差。
　　針對(duì)以上不足，我們結(jié)合多特征，并使用支持向量機(jī)開(kāi)發(fā)了一種有效的分類(lèi)器（Hgtident），有效地提高了預(yù)測(cè)精度。Hgtident包括全面且有代表性的特征提取、支持向量機(jī)模型的選擇、基于遺傳算法的特征選擇、分類(lèi)不平衡問(wèn)題的處理和廣泛的系統(tǒng)交叉驗(yàn)證的性能評(píng)價(jià)。通過(guò)特征選擇，我們發(fā)現(xiàn)特征 JS-DN和JS-CB有更高的識(shí)別水平轉(zhuǎn)移基因的能力，GC1-GC3和K-m

4、er（1≤K≤7）具有最弱的識(shí)別能力。實(shí)驗(yàn)表明Hgtident有效地提高了Recall，并大幅降低了Mean error。與現(xiàn)有流行的多閾值方法相比，本文的Recall平均提高了2.81％，Mean error平均大幅降低26.32%，不僅表明大量的假陽(yáng)性得以校正，也表明了我們觀點(diǎn)的有效性和可靠性。
　　本文所使用的方法Hgtident是第一次的基于綜合的方法來(lái)預(yù)測(cè)水平轉(zhuǎn)移的基因，它是一種有效的預(yù)測(cè)水平轉(zhuǎn)移的基因的方法。廣泛的實(shí)驗(yàn)