吉林大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (02): 418-422.
刘元宁1,2, 沈廷杰1,2, 张浩1,2, 李鑫1,2, 魏庆凯1,2, 赫羽喆1,2
LIU Yuan-ning1,2, SHEN Ting-jie1,2, ZHANG Hao1,2, LI Xin1,2, WEI Qing-kai1,2, HE Yu-zhe1,2
摘要: 针对microRNA靶基因预测中出现的敏感性与特异性的矛盾、阳性阈值与测试结果优劣的矛盾和预测范围缩小的问题,提出种子区域上的能量标定、元素比例、靶标作用体上的惩罚3种特征提取新方法,以上特征提取方法涵盖了统计信息、结构信息和能量信息。结合传统特征和新特征,本文利用神经网络构建分类模型并测试。结果显示:新特征能使阴性、阳性数据各自的聚集度有效提高,在高阳性阈值下,评估效果良好;并且靶基因预测范围未缩小,预测开销未增加。
中图分类号:
[1] Finnegan E J, Matzke M A. The small RNA world[J]. Cell, 2003, 116(23): 4689-4693.[2] Sethupathy P, Megraw M, Hatzigeorgiou A G. A guide through present computational approaches for the identification of mammalian microRNA targets[J]. Nature Methods, 2006, 3(11): 881-886.[3] Xia W, Cao G J, Shao N S. Progress in miRNA target prediction and identification[J]. Sci China Ser C-Life Sci, 2009, 52(12): 1123-1130.[4] Sturm Martin, Hackenberg Michael, Langenberger David, et al. TargetSpy: a supervised machine learning approach for microRNA target prediction[J]. BMC Bioinformatics, 2010, doi:10.1186/1471-2105-11-292.[5] Miranda K C, Huynh T, Tay Y, et al. A pattern-based method for the identification of microRNA binding sites and their corresponding heteroduplexes[J]. Cell, 2006, 126: 1203-1217.[6] Pei Y F, Wang X, Zhang X G. Predicting the fate of microRNA target genes based on sequence features[J]. Journal of Theoretical Biology, 2009, 261(1): 17-22.[7] Maragkakis M, Alexiou P, Papadopoulos G L, et al. Accurate microRNA target prediction correlates with protein repression levels[J]. BMC Bioinformatics, 2009, doi:10.1186/1471-2105-10-295.[8] Liu Hui, Yue Dong, Chen Yi-dong, et al. Improving performance of mammalian microRNA target prediction[J]. BMC Bioinformatics, 2010, doi:10.1186/1471-2105-11-476.[9] 董浩, 刘元宁, 张浩, 等.马尔可夫链在RNA二级结构预测中的应用[J]. 吉林大学学报:工学版, 2010, 40(增刊):324-327. Dong Hao, Liu Yuan-ning, Zhang Hao, et al. Application of Markov chain in RNA secondary structure prediction[J]. Journal of Jinlin University(Engineering and Technology Edition), 2010, 40(Sup.): 324-327. |
[1] | 刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850. |
[2] | 王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858. |
[3] | 金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866. |
[4] | 赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872. |
[5] | 刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878. |
[6] | 欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570. |
[7] | 刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599. |
[8] | 桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605. |
[9] | 刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613. |
[10] | 车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628. |
[11] | 赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223. |
[12] | 黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230. |
[13] | 傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236. |
[14] | 曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243. |
[15] | 侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253. |
|