人類基因PolyA位點(diǎn)預(yù)測(cè).pdf

1、mRNA 3＇端的多聚腺苷酸化是真核細(xì)胞內(nèi)mRNA轉(zhuǎn)錄后處理的三個(gè)最主要步驟之一。對(duì)DNA序列上發(fā)生多聚腺苷酸化的位置即PolyA 位點(diǎn)的識(shí)別，對(duì)于理解mRNA的形成機(jī)制以及進(jìn)行基因結(jié)構(gòu)預(yù)測(cè)具有重要作用。在3＇UTR 區(qū)存在多個(gè)潛在PolyA 位點(diǎn)時(shí)，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(dá)。此外，在基因結(jié)構(gòu)預(yù)測(cè)領(lǐng)域，對(duì)PolyA 位點(diǎn)的準(zhǔn)確識(shí)別有助于對(duì)基因3＇末端的確定。 本文對(duì)PolyA 位點(diǎn)的形成機(jī)制以

2、及位點(diǎn)周?chē)蛄械囊患?jí)、二級(jí)和高級(jí)結(jié)構(gòu)、選擇性多聚腺苷酸化進(jìn)行了研究，并重點(diǎn)分析總結(jié)了國(guó)際上目前在PolyA 位點(diǎn)預(yù)測(cè)方面的發(fā)展現(xiàn)狀與存在的問(wèn)題.并從NCBI的Refseq數(shù)據(jù)庫(kù)里提取出1835 條注釋的PolyA序列，對(duì)PolyA 位點(diǎn)周?chē)蛄羞M(jìn)行了六聯(lián)體核苷酸頻率統(tǒng)計(jì)分析，確定了PolyA 位點(diǎn)上下游各100bp 范圍內(nèi)的序列特征比較顯著。 本研究利用機(jī)器學(xué)習(xí)方法對(duì)PolyA 位點(diǎn)進(jìn)行預(yù)測(cè)，其實(shí)現(xiàn)過(guò)程分為以下三個(gè)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(jì)k 階核苷酸頻率的方法來(lái)生成初始的特征；然后，通過(guò)信息學(xué)知識(shí)來(lái)對(duì)特征進(jìn)行篩選；最后，使用SVM（support vector machines，支持向量機(jī)）的方法進(jìn)行特征的綜合分析，確定參數(shù)，建立預(yù)測(cè)模型。在獨(dú)立的測(cè)試數(shù)據(jù)集上進(jìn)行測(cè)試，當(dāng)敏感度（Sn）為60％時(shí)，在內(nèi)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(nèi)含子水平上的預(yù)測(cè)精度明顯優(yōu)于國(guó)際