基于機(jī)器學(xué)習(xí)的miRNA靶基因預(yù)測(cè).pdf

1、隨著RNA干擾機(jī)制(RNAi)的發(fā)現(xiàn),非編碼RNA在基因表達(dá)和調(diào)控方面的功能受到了前所未有的關(guān)注,而miRNA因其與生物體的多項(xiàng)調(diào)控功能有著密切聯(lián)系而成為關(guān)注重點(diǎn)。miRNA主要通過(guò)與其靶基因相互作用進(jìn)而調(diào)控基因的表達(dá),因此對(duì)miRNA靶基因的研究有助于理解miRNA的調(diào)控機(jī)制,是研究miRNA調(diào)控功能的關(guān)鍵步驟。
　　現(xiàn)有的鑒定miRNA靶基因的實(shí)驗(yàn)技術(shù)價(jià)格昂貴,對(duì)實(shí)驗(yàn)的設(shè)備、環(huán)境以及操作人員的技術(shù)水平要求高,不適合對(duì)miRNA

2、靶基因展開(kāi)大批量、高置信度的鑒定實(shí)驗(yàn)。因此,在研發(fā)新的 miRNA靶基因鑒定實(shí)驗(yàn)技術(shù)的同時(shí),研究者正積極探索使用生物信息學(xué)的方法預(yù)測(cè)miRNA靶基因。目前已有的miRNA靶基因預(yù)測(cè)方法分為基于序列的方法和基于機(jī)器學(xué)習(xí)的方法?；谛蛄械姆椒ㄔ趍iRNA靶基因?qū)嶒?yàn)數(shù)據(jù)少,對(duì)miRNA的靶基因識(shí)別機(jī)制尚不了解的情況下非常適用。然而,隨著miRNA靶基因?qū)嶒?yàn)數(shù)據(jù)的極速增長(zhǎng),基于序列的方法很難從龐大的數(shù)據(jù)中挖掘有效信息,且不能有效模擬復(fù)雜的miR

3、NA作用機(jī)制,因此目前對(duì)miRNA靶基因的預(yù)測(cè)主要集中在基于機(jī)器學(xué)習(xí)的方法上。到目前為止,很多專家和學(xué)者提出了多種基于機(jī)器學(xué)習(xí)的miRNA靶基因預(yù)測(cè)方法,雖然這些方法在miRNA靶基因預(yù)測(cè)中都取得了一定成果,但普遍存在訓(xùn)練樣本集不夠完善、特征提取具有偏向性的問(wèn)題。此外,靶基因特征的優(yōu)化選擇過(guò)程及分類器的使用都相對(duì)比較簡(jiǎn)單。
　　針對(duì)以上問(wèn)題,本文提出了新的基于機(jī)器學(xué)習(xí)的miRNA靶基因預(yù)測(cè)方法:首先對(duì)訓(xùn)練樣本集的選取方法做出改進(jìn),

4、引入mirWIP方法中構(gòu)建訓(xùn)練樣本集的方法,結(jié)合蛋白質(zhì)免疫沉淀反應(yīng)得到線蟲(chóng)中的miRNA靶基因作為本文實(shí)驗(yàn)數(shù)據(jù)集;其次,在選用具有代表性的miRNA靶基因特征的同時(shí),設(shè)計(jì)提取了三核苷酸使用頻率、三聯(lián)體和部分位點(diǎn)可接近性三類新特征;再次,使用遺傳算法對(duì)特征進(jìn)行選擇與優(yōu)化,在保證預(yù)測(cè)精度的同時(shí)降低特征的維數(shù);最后,分別使用k-最近鄰法、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)三種分類器在不同實(shí)驗(yàn)數(shù)據(jù)集下對(duì)miRNA靶基因進(jìn)行預(yù)測(cè)。
　　實(shí)驗(yàn)結(jié)果表明,在不