基于多特征的長非編碼RNA識(shí)別方法.pdf_第1頁
已閱讀1頁,還剩59頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、在人類基因組中能夠轉(zhuǎn)錄編碼蛋白質(zhì)的區(qū)域大約占基因組總長度的2-5%,近些年來對(duì)轉(zhuǎn)錄組的研究發(fā)現(xiàn)哺乳動(dòng)物和其他生物體內(nèi)大量的轉(zhuǎn)錄本雖然不編碼蛋白質(zhì),但卻以非編碼RNA(noncoding RNAs,ncRNAs)的方式行使生物功能。長非編碼RNA(lncRNA)是長度超過200nt的ncRNA,多數(shù)較為復(fù)雜的生物功能都有l(wèi)ncRNA的參與。而complementary DNA(cDNA)和Expression Sequence Tags(

2、ESTs)項(xiàng)目每年都會(huì)產(chǎn)生百萬計(jì)的轉(zhuǎn)錄本,將lncRNA從大量的轉(zhuǎn)錄本中快速而準(zhǔn)確的挑選出來是一個(gè)艱難而有意義的工作,也逐漸引發(fā)了lncRNA的研究熱潮。
  根據(jù)對(duì)mRNA和lncRNA數(shù)據(jù)集中兩類RNA序列中潛藏信息之間差異的挖掘,本文中定義了基于開放閱讀框的特征、蛋白序列相似性特征以及二級(jí)結(jié)構(gòu)中基于最小自由能的特征這三大類特征。每一類特征都包含若干個(gè)指標(biāo),基于開放閱讀框的指標(biāo)為開放閱讀框完整性、歸一化的開放閱讀框數(shù)量和開放閱

3、讀框覆蓋率,基于蛋白序列相似性特征的指標(biāo)為歸一化的蛋白匹庫配數(shù)量、蛋白庫匹配E-value均值和閱讀框匹配得分,而二級(jí)結(jié)構(gòu)特征的兩個(gè)指標(biāo)為歸一化最小自由能分別與GC含量以及二級(jí)結(jié)構(gòu)中堿基配對(duì)個(gè)數(shù)之比。文中以NONCODE中的lncRNA和Refseq中的mRNA各取2000條作為訓(xùn)練數(shù)據(jù)集,將多個(gè)特征和支持向量機(jī)結(jié)合起來,提出一種新的長非編碼RNA識(shí)別方法,可以根據(jù)用戶的需要將這三類特征進(jìn)行任意的組合。
  我們使用5折交叉驗(yàn)證對(duì)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論