RNA二级结构预测SVMs模型研究

扩展NSSEL标签,对RNA分子中的stem-loop结构和伪结结构进行标记.将RNA分子序列中的碱基编码输入,经过支持向量机(support vector machines,SVMs)模型计算输出相应的结构标记.该模型经过训练后,待预测的RNA分子序列可得到对应的结构标识序列,这些标识序列可通过特定算法,唯一构建包括伪结在内的二级结构.实验结果表明,该算法在可接受的预测精度范围内具有较低的计算复杂度,克服了传统算法计算时间过长,无法在有限时间内得到有效结果的缺点.

灵长类等TATA框折叠结构特征比较

通过对灵长类 ,啮齿类 ,无脊椎类三个物种各 40个基因部分启动子系列的折叠结构进行分析研究 ,结果表明 :不同物种基因的TATA框在折叠结构模型中所表现的茎环结构特征的分布频率存在明显差异 .

基于具有多茎环特征GA-SVM的人类Pre-miRNA的预测研究

MicroRNA(miRNA)是一类长度约为21 nt的非编码RNA,在动植物中发挥着重要而广泛的转录后调控作用.现有的计算预测方法通常不能很好地识别具有多分枝茎环二级结构的pre-miRNA.为进一步提高对pre-miRNA的预测精度,本文在以往研究的基础上,新引用了一类多茎环生物学特征,将遗传算法(GA)与支持向量机(SVM)结合以进行特征选择,同时优化SVM分类器模型参数(c,g),并对数据集的不平衡性进行处理,构造出新的分类器.本文采用人类pre-miRNA作为研究数据集,通过5折交叉验证,实验结果显示,新的分类器能够有效地提高预测精度.