植物啟動(dòng)子識(shí)別算法研究.pdf

1、隨著人類基因草圖的繪制完成，基因組學(xué)研究已進(jìn)入了“功能基因組學(xué)”時(shí)代.如何在海量的序列數(shù)據(jù)中確定基因及它們的調(diào)控網(wǎng)絡(luò)已經(jīng)成為目前最具挑戰(zhàn)性的任務(wù)。啟動(dòng)子作為控制基因轉(zhuǎn)錄起始和轉(zhuǎn)錄頻率的重要元件，在基因表達(dá)調(diào)控機(jī)制中具有非常重要的作用。啟動(dòng)子識(shí)別是確定基因的關(guān)鍵問(wèn)題之一。由于真核啟動(dòng)子與人類及人類的生產(chǎn)生活密切相關(guān)，真核啟動(dòng)子識(shí)別已成為一個(gè)熱點(diǎn)研究領(lǐng)域。
　　 在真核啟動(dòng)子識(shí)別技術(shù)中，哺乳動(dòng)物(人類和小鼠)啟動(dòng)子識(shí)別取得了許多重要

2、成果，而對(duì)于真核啟動(dòng)子中的另一個(gè)重要分類--植物啟動(dòng)子識(shí)別的研究還處于起步階段，關(guān)于植物啟動(dòng)子識(shí)別方法的研究論文較少，其中缺乏實(shí)驗(yàn)證實(shí)的啟動(dòng)子數(shù)據(jù)是制約其快速發(fā)展的原因之一。近年來(lái)隨著植物數(shù)據(jù)庫(kù)的完善，植物啟動(dòng)子識(shí)別逐漸成為生物信息學(xué)的一個(gè)研究熱點(diǎn)，其中，特異性較低是有待解決的難題之一。
　　 在閱讀了大量國(guó)內(nèi)外文獻(xiàn)的基礎(chǔ)上，對(duì)植物啟動(dòng)子識(shí)別算法進(jìn)行了深入分析與研究，并針對(duì)現(xiàn)有植物啟動(dòng)子識(shí)別算法中假陽(yáng)性高的問(wèn)題，提出了兩種新的植

3、物啟動(dòng)子識(shí)別算法。
　　 提出了基于GC偏好和支持向量機(jī)(SVM)的植物啟動(dòng)子識(shí)別算法。其特點(diǎn)是充分利用了植物啟動(dòng)子的GC偏好特性和SVM分類器的優(yōu)秀分類性能。該算法首先通過(guò)對(duì)GC含量的分析將DNA序列分類為GC偏好序列和非GC偏好序列，然后進(jìn)行結(jié)構(gòu)特征和信號(hào)特征的提取，最后通過(guò)SVM分類器進(jìn)行植物啟動(dòng)子識(shí)別。SVM分類器由四個(gè)SVM子分類器組成，每個(gè)子分類器專門針對(duì)啟動(dòng)子和四種非啟動(dòng)子中的一類進(jìn)行區(qū)分。四個(gè)子分類器分別是啟動(dòng)子