学位论文 > 优秀研究生学位论文题录展示

基于机器学习的酵母ncRNA预测研究

作　者: 李华
导　师: 李伍举
学　校: 中国人民解放军军事医学科学院
专　业: 生物化学与分子生物学
关键词: 非编码RNA k-tuple 预测机器学习
分类号: Q75
类　型: 硕士论文
年　份: 2007年
下　载: 111次
引　用: 0次
阅　读: 论文下载

内容摘要

现有研究表明，基因组中存在大量的非编码RNA(ncRNA)，在基因表达调控等方面发挥重要作用。如何利用生物信息学手段发现ncRNA，从而为用实验手段发现ncRNA提供帮助已成为生物信息学的研究热点之一。为此，本研究以酵母基因组为研究对象，以k-tuple组成为特征变量，运用机器学习方法系统研究了酵母基因组中ncRNA的预测问题。首先，构建用于机器学习的训练集与测试集，利用90条位于基因间区中的ncRNA作为阳性数据集，并提取出其上游和下游各1000nt的序列。为了构建阴性数据集，从酵母基因组中提取了功能注释比较清晰的4058个蛋白编码基因，为了保持阳性与阴性数据集中序列数目的平衡，我们以成熟mRNA蛋白编码区的3-tuple含量与上游和下游1000nt序列的4-tuple含量为特征进行聚类去冗余，将获得的90个代表样本点作为阴性数据集。最终从阳性和阴性数据中各随机抽取出80个序列作为训练集，余下的序列作为测试集。其次，利用Na(?)ve Bayes和SVM方法构建分类器，结果如下：1、以ncRNA序列和蛋白编码基因编码区的3-tuple含量为特征构建分类器，基于Na(?)ve Bayes方法的训练集精度为85％，测试集精度为90％；基于SVM方法的训练集精度为98.75％，测试集精度为90％。2、利用ncRNA和蛋白编码基因起始密码子上游4-tuple含量构建分类器，基于Na(?)ve Bayes方法的训练集精度为93.73％，测试集精度为75％；基于SVM方法的训练集精度为100％，测试集精度为90％。3、利用ncRNA和蛋白编码基因终止密码子下游4-tuple含量构建分类器，基于Na(?)ve Bayes方法的训练集精度为93.75％，测试集精度为85％；基于SVM方法的训练集精度为100％，测试集精度为90％。最后，鉴于SVM方法给出的测试集分类精度要高于Na(?)ve Bayes方法给出的分类精度，我们利用SVM方法构建的分类器在酵母基因间区中进行扫描，最终得到7469条预测的ncRNA序列，其中包含了已知的76条ncRNA，占基因间区的酵母ncRNA的84.4％(76／90)，为酵母基因组中ncRNA的实验发现提供了生物信息学支持，也为其它物种基因组中的ncRNA发现提供了方法学参考。

全文目录

目录  3-4
中文摘要  4-6
英文摘要  6-8
英文缩略语词表  8-9
引言  9-15
第一部分数据来源及特征提取  15-18
  1.数据来源  15
  2.特征提取  15-16
  3.数据集的选取  16-18
第二部分分类器的构建  18-29
  1.Na(?)ve Bayes方法构建分类器  18-24
    自身序列  18-20
    上游序列  20-22
    下游序列  22-24
  2.SVM方法构建分类器  24-26
    自身序列  24-25
    上游序列  25
    下游序列  25-26
  3.特征分析  26-29
    t-检验分析  26-27
    贡献值分析  27-29
第三部分 ncRNA的全基因组预测  29-31
  1.方法  29
  2.结果  29-31
第四部分讨论  31-33
第五部分总结  33-34
参考文献  34-38
致谢  38-39
发表论文  39-57
附录  57
  硕士期间投出文章  57
  硕士期间获得的奖励  57

基于机器学习的酵母ncRNA预测研究

内容摘要

全文目录

相似论文