基于最小自由能和协变信息预测带伪结RNA二级结构的迭代化方法

多数RNA分子的结构在进化中是高度保守的,其中很多包含伪结。而RNA伪结的预测一直是一个棘手问题,很多RNA二级结构预测算法都不能预测伪结。文章提出一种基于迭代法预测带伪结RNA二级结构的新方法。该方法在给潜在碱基对打分时综合了热力学和协变信息,通过基于最小自由能RNA折叠算法的多次迭代选出所有的碱基对。测试结果表明:此方法几乎能预测到所有的伪结。与其他方法相比,敏感度接近最优,而特异性达到最优。

含伪结RNA二级结构预测的支持向量机方法

RNA二级结构预测是生物信息学的一个研究重点和难点.伪结是RNA二级结构中最难预测的一种.本文利用多分类支持向量机对含平面伪结的RNA分子二级结构进行预测.第一步,利用多分类支持向量机进行预测,输出端得到相应碱基的E-NSSEL类别标识.第二步,利用第一步的预测结果,把所有可能配对的标识是否配对通过支持向量机进行判断,并根据判断结果恢复RNA分子二级结构.实验证明,该方法能有效地提高含平面伪结的RNA分子二级结构的预测精度.

含伪结的RNA分子二级结构预测

预测含伪结的RNA分子二级结构是生物信息学的一个研究难点。利用多分类支持向量机结合贝叶斯神经网络针对含伪结的RNA分子二级结构进行预测。利用多分类支持向量机进行预测,输出端得到相应碱基的平面伪结结构的E-NSSEL(Ex-tend New Secondary Structure Element Label)类别标签。使用碱基已预测的结果通过贝叶斯神经网络进行修正,并恢复RNA分子二级结构。使用该方法能有效地改善含伪结的RNA分子二级结构的预测效果。

基于堆积协变信息与最小自由能预测含伪结的RNA二级结构

RNA伪结预测是RNA研究的一个难点问题。文中提出一种基于堆积协变信息与最小自由能的RNA伪结预测方法。该方法使用已知结构的RNA比对序列(ClustalW比对和结构比对)测试此方法,侧重考虑相邻碱基对之间相互作用形成的堆积协变信息,并结合最小自由能方法对碱基配对综合评分,通过逐步迭代求得含伪结的RNA二级结构。结果表明,此方法能正确预测伪结,其平均敏感性和特异性优于参考算法,并且结构比对的预测性能比ClustalW比对的预测性能更加稳定。文中同时讨论了不同协变信息权重因子对预测性能的影响,发现权重因子比值在λ1:λ2=5:1时,预测性能达到最优。

基于伪地址存储结构的稀疏矩阵快速转置算法

设计了稀疏矩阵的三元组压缩存储结构和伪地址压缩存储结构,讨论了不规则稀疏矩阵的转置技术,主要研究了稀疏矩阵的快速转置算法,第一次提出了稀疏矩阵上一种新的转置算法——基于伪地址存储结构的稀疏矩阵快速转置算法。希望该结论对工业控制和数据压缩存储研究工作者提供一般性结论。

计算最大堆迭的RNA二级结构预测算法

RNA二级结构预测用于蛋白质功能分析,在生物信息学研究中具有重要意义.提出了一个时间复杂度为O(n2)的基于Greedy算法思想的算法.基于“堆迭结构相对稳定”的RNA分子结构特征,算法思想为计算具有最多堆迭的RNA二级结构.用VC++编程实现了该算法,采用PseudoBase的RNA分子片段进行了计算实验,结果表明该算法具有良好的准确度.该算法可预测RNA分子的嵌套二级结构和伪结点二级结构.

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.

RNA二级结构预测的支持向量机模型研究

RNA二级结构预测问题是生物信息学的一个研究重点,本文主要利用支持向量机(SVM)模型来研究RNA二级结构预测问题。通过改进NSSEL标签[4],形成了能表示平面伪结结构的E-NSSEL标签,该标签作为SVM模型输出端的类别标识,因此,测试序列经过SVM模型预测后得到相应的E-NSSEL序列,该序列可以恢复为二级结构。此算法能有效地解决传统算法中存在的时间复杂性的问题和长链分子的预测问题。