MicroRNA識別中的若干關鍵技術研究.pdf

1、microRNA(miRNA)是近年來才發(fā)現(xiàn)的一類內源性小分子非編碼RNA，對miRNA的研究已成為當前生物信息學領域最熱門的課題之一。研究表明miRNA在動植物的許多生物過程中發(fā)揮著重要的調控作用，同時與人類疾病的產(chǎn)生和發(fā)展緊密關聯(lián)。準確識別miRNA并研究miRNA與疾病的關聯(lián)，對理解基因表達調控網(wǎng)絡、診斷及治療人類疾病、推動藥物研發(fā)等具有重要意義。
　　本文介紹了miRNA識別中涉及的生物學概念、機器學習算法、相關數(shù)據(jù)庫等，

2、重點研究了miRNA識別算法和疾病相關miRNA預測算法。論文就當前miRNA研究中存在的特征選擇不合理、信息使用不充分、數(shù)據(jù)類別不平衡等問題提出了相應的解決方案。本文的主要研究內容如下:
　　(1)針對目前miRNA識別研究中敏感性和特異性指標不佳或兩者不平衡的問題，提出一種基于特征聚類和隨機子空間的miRNA識別方法。該算法采用信息增益率剔除部分弱分類能力特征后，利用信息熵度量特征間的相關性并對特征聚類，聚類過程中從每個特征簇

3、中隨機選取一定比例的特征組成特征集。通過參數(shù)調優(yōu)后選擇最優(yōu)特征集構建分類模型識別miRNA。實驗結果表明，該算法取得了較好的識別效果，同時在敏感性和特異性的平衡方面表現(xiàn)優(yōu)異。
　　(2)針對疾病-miRNA關聯(lián)研究中信息使用不充分導致預測效果不佳的情況，提出一種基于綜合相似性的疾病相關miRNA預測方法。該算法分別從疾病語義和疾病表型角度結合疾病-miRNA關聯(lián)信息構建獨立的miRNA功能相似性網(wǎng)絡，在兩個網(wǎng)絡上分別應用隨機游走模

4、型，最后通得分函數(shù)融合兩個網(wǎng)絡的輸出。與經(jīng)典方法在18種疾病上實驗對比表明，該算法具有一定的優(yōu)勢。
　　(3)進一步研究miRNA識別中存在的類別不平衡現(xiàn)象，提出一種基于混合采樣的不平衡數(shù)據(jù)分類方法。該算法首先通過Borderline-SMOTE方法對少數(shù)類樣本過采樣，在此過程中對多數(shù)類的邊界降采樣并用NCL方法對鄰域進行清理，最后對剩余多數(shù)類樣本采用K-means算法聚類選取代表性樣本，由此構建平衡訓練集。實驗表明該算法可以很好