基于二級(jí)結(jié)構(gòu)的MicroRNA識(shí)別.pdf

1、MicroRNA（miRNA）是一類具有調(diào)控功能的非編碼RNA，長(zhǎng)度大約為20-24個(gè)核苷酸。它們對(duì)于轉(zhuǎn)錄和轉(zhuǎn)錄后基因的表達(dá)具有調(diào)控作用，并且參與多種疾病的生理過(guò)程，但是其具體作用機(jī)制尚不明確。因此對(duì)microRNA進(jìn)行識(shí)別，對(duì)于生物學(xué)基礎(chǔ)研究和基于microRNA的治療方案的研究來(lái)說(shuō)都具有非常重要的意義。在后基因時(shí)代，隨著RNA序列的雪崩式增長(zhǎng)，對(duì)基于序列信息的microRNA識(shí)別的計(jì)算方法的研究需求變得愈發(fā)熱切。本課題對(duì)microR

2、NA的識(shí)別問(wèn)題進(jìn)行了深入的研究，主要從microRNA序列的二級(jí)結(jié)構(gòu)序列信息的角度，提取有效特征，并結(jié)合機(jī)器學(xué)習(xí)方法、自然語(yǔ)言處理技術(shù)來(lái)構(gòu)建預(yù)測(cè)模型，具體研究?jī)?nèi)容如下：
　　第一，提出偽二級(jí)結(jié)構(gòu)狀態(tài)成分（Pseudo structure status composition，PseSSC）的概念，并將之應(yīng)用到microRNA識(shí)別的問(wèn)題上。它針對(duì)現(xiàn)有方法只考慮RNA一級(jí)結(jié)構(gòu)序列信息的不足，提出融合RNA二級(jí)結(jié)構(gòu)序列信息的改進(jìn)方案，同

3、時(shí)結(jié)合RNA全局序列信息，來(lái)對(duì)RNA序列進(jìn)行特征提取。通過(guò)這種特征提取方法，將RNA序列轉(zhuǎn)化為特征向量，之后采用支持向量機(jī)構(gòu)建分類器識(shí)別microRNA。在基準(zhǔn)數(shù)據(jù)集上的microRNA識(shí)別準(zhǔn)確率達(dá)到了85.76％，優(yōu)于該領(lǐng)域現(xiàn)有的最優(yōu)方法。
　　第二，提出一種基于“二級(jí)結(jié)構(gòu)距離狀態(tài)對(duì)”的預(yù)測(cè)方法miRNA-dis，針對(duì)PseSSC方法由于忽略不同二級(jí)結(jié)構(gòu)狀態(tài)對(duì)的距離特性而導(dǎo)致的對(duì)microRNA序列信息刻畫(huà)不足的問(wèn)題作出改進(jìn)。在

4、基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果顯示，miRNA-dis在預(yù)測(cè)精度（88.92%）與計(jì)算性能方面都優(yōu)于其他對(duì)比實(shí)驗(yàn)方法。此外，特征權(quán)重分析也表明本課題提出的miRNA-dis方法，可以對(duì)microRNA序列的二級(jí)結(jié)構(gòu)進(jìn)行有效刻畫(huà)。為了結(jié)合二級(jí)結(jié)構(gòu)全局序列信息與二級(jí)結(jié)構(gòu)距離狀態(tài)對(duì)的優(yōu)點(diǎn)，進(jìn)一步提出了基于“偽二級(jí)結(jié)構(gòu)距離狀態(tài)對(duì)成分”的預(yù)測(cè)方法PseDPC。在基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果顯示，PseDPC方法比只考慮了二級(jí)結(jié)構(gòu)全局序列信息的PseSSC方法的

5、預(yù)測(cè)精度高1.93個(gè)百分點(diǎn)。
　　第三，提出一種基于“有間n元二級(jí)結(jié)構(gòu)狀態(tài)組”（GSSC）的預(yù)測(cè)方法，針對(duì)傳統(tǒng)的n-gram方法為了包含更多的全局信息而采取較大的n時(shí)導(dǎo)致的向量稀疏問(wèn)題，引入“間隔”的概念，從而緩解了基于n-gram的方法在n較大時(shí)，對(duì)噪音數(shù)據(jù)的干擾過(guò)于敏感的問(wèn)題。為了提高計(jì)算效率以處理大批量的數(shù)據(jù)，本課題設(shè)計(jì)了一個(gè)優(yōu)化的核函數(shù)，并采取樹(shù)形數(shù)據(jù)結(jié)構(gòu)以及一系列的近似策略來(lái)提高核函數(shù)的計(jì)算效率。在基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果

6、顯示，該方法的預(yù)測(cè)精度為86.91%，AUC值為0.941，優(yōu)于該領(lǐng)域現(xiàn)有的最優(yōu)方法，并且比只考慮了RNA二級(jí)結(jié)構(gòu)全局序列信息的PseSSC方法的預(yù)測(cè)精度高1.15個(gè)百分點(diǎn)。
　　第四，提出一種基于加權(quán)求和投票法策略的集成學(xué)習(xí)預(yù)測(cè)方法，通過(guò)整合上述4種方法的預(yù)測(cè)結(jié)果，對(duì)待測(cè)序列是否是microRNA做出綜合預(yù)測(cè)。為了分析以這4種方法作為基分類器進(jìn)行集成學(xué)習(xí)的可行性，本課題通過(guò)設(shè)計(jì)實(shí)驗(yàn)討論了這4種方法的互補(bǔ)性。在基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)