人類基因PolyA位點預測.pdf

1、mRNA 3＇端的多聚腺苷酸化是真核細胞內mRNA轉錄后處理的三個最主要步驟之一。對DNA序列上發(fā)生多聚腺苷酸化的位置即PolyA 位點的識別，對于理解mRNA的形成機制以及進行基因結構預測具有重要作用。在3＇UTR 區(qū)存在多個潛在PolyA 位點時，選擇性多聚腺苷酸化以組織或疾病特異性的方式影響著基因的表達。此外，在基因結構預測領域，對PolyA 位點的準確識別有助于對基因3＇末端的確定。 本文對PolyA 位點的形成機制以

2、及位點周圍序列的一級、二級和高級結構、選擇性多聚腺苷酸化進行了研究，并重點分析總結了國際上目前在PolyA 位點預測方面的發(fā)展現(xiàn)狀與存在的問題.并從NCBI的Refseq數(shù)據庫里提取出1835 條注釋的PolyA序列，對PolyA 位點周圍序列進行了六聯(lián)體核苷酸頻率統(tǒng)計分析，確定了PolyA 位點上下游各100bp 范圍內的序列特征比較顯著。 本研究利用機器學習方法對PolyA 位點進行預測，其實現(xiàn)過程分為以下三個步驟：

3、 特征的生成、特征的篩選、特征的綜合分析聚類。首先，采取統(tǒng)計k 階核苷酸頻率的方法來生成初始的特征；然后，通過信息學知識來對特征進行篩選；最后，使用SVM（support vector machines，支持向量機）的方法進行特征的綜合分析，確定參數(shù)，建立預測模型。在獨立的測試數(shù)據集上進行測試，當敏感度（Sn）為60％時，在內含子水平和外顯子水平上的特異性（Sp）分別為71.67％和80.77％，在內含子水平上的預測精度明顯優(yōu)于國際