基于主成分分析-神经网络的非编码RNA预测

预测非编码RNA对认识其调控功能具有重要意义。选择单核苷酸和二核苷酸出现频率作为神经网络分类特征,运用主成分分析方法降低输入数据的维数,去除数据间的相关性,采用Levenberg-Marquardt算法改善网络训练速度。对数据集的测试结果表明,此方法对细菌混合ncRNA的预测精度达到81.3%,对原核生物tRNA的预测精度达到93.3%,表明该方法能有效预测原核生物ncRNA。预测结果还发现两种古细菌的ORF序列在序列特征上与其它细菌和古细菌存在差别。