多目标遗传算法的含假结RNA二级结构预测

假结是RNA中一种重要的结构,由于建模的困难导致它更难被预测。通过碱基之间的配对概率来预测含假结RNA二级结构的Prob Knot算法具有很高的精度,但该算法仅用了配对概率作为预测依据,导致阴性配对大量出现,因此精度中的特异性较低。实验结合Prob Knot算法中碱基配对概率模型,通过使用多目标遗传算法,从而提高预测含假结RNA二级结构的特异性,以此促进总体精度的提高。实验过程中,首先计算出每个碱基成为单链的概率,作为新增的预测依据,然后使用遗传算法对RNA二级结构进行交叉、变异和迭代,最后得到Pareto最优解,进一步得出最高的最大期望精度。实验结果表明,在使用的RNA案例中,采用该方法比现有方法精度平均提高约4%。

运用双向LSTM拟合RNA二级结构打分函数

RNA二级结构的打分函数在RNA二级结构预测中扮演着越来越重要的角色。目前对RNA二级结构的打分函数并没有很好地抓住RNA的折叠机制。我们认为递归神经网络层与层之间的信息传递方式和RNA的折叠方式有相似之处。提出使用双向LSTM(Long Short term Memory)神经网络对RNA二级结构进行打分。在数据集ASE(长度小于500),以及CRW(大部分长度大于1 000)上,进行了三项实验。通过拟合SEN(Sensitivity)与PPV(Specificity)打分函数确定了在目标函数为mean_squared_error时拟合效果最好;进而对比较复杂的打分函数MCC(Matthews correlation coefficient)进行拟合;最后实验得出双层双向LSTM模型的结果优于单层双向LSTM模型的结果。通过实验,得到的打分函数包含了碱基序列的全局属性。实验结果表明LSTM深度神经网络模型可以很好地拟合RNA二级结构的打分函数。

用并行蚁群系统解决带假结RNA二级结构预测

RNA是生物遗传信息的中间载体,在基因编码、解码、调控和表达等方面具有重要作用.RNA二级结构预测是理解RNA生化功能的主要途径.假结是最广泛的RNA结构单元.带假结的RNA二级结构预测难度大,已被证明是一个NP完全问题,至今未找到该问题有效的多项式算法.本文将带假结RNA二级结构预测建模为一个多目标优化问题,在Prob Knot方法的基础上,设计两种基于碱基配对概率的改进方案,并采用最大最小蚁群方法优化原本的贪婪法.此外,引入并行的机制和共享信息素矩阵的方式,提出一种并行的带假结RNA二级结构预测方法.选取常用的RNA STRAND数据集,与常见的带假结RNA二级结构预测方法作比较.实验结果表明,本文的方法可以有效地提高带假结RNA二级结构预测的精度.