吉林大学学报(工学版) ›› 2016, Vol. 46 ›› Issue (5): 1639-1643.doi: 10.13229/j.cnki.jdxbgxb201605038

• • 上一篇    下一篇

基于傅立叶分析的持家基因预测模型

马知行1,2, 赵琦3, 张浩3   

  1. 1.吉林财经大学 管理科学与信息工程学院, 长春 130117;
    2.吉林财经大学 吉林省互联网金融重点实验室, 长春 130117;
    3.吉林大学 计算机科学与技术学院, 长春 130012
  • 收稿日期:2015-03-13 出版日期:2016-09-20 发布日期:2016-09-20
  • 作者简介:马知行(1983-),男,讲师,博士.研究方向:生物信息.E-mail:mazx716@gmail.com
  • 基金资助:
    国家自然科学基金项目(61572225); 国家社会科学基金项目(15BGL090).

Fourier analysis model for housekeeping gene

MA Zhi-xing1,2, ZHAO Qi3, ZHANG Hao3   

  1. 1.School of Management Science and Information Engineering, Jilin University of Finance and Economics, Changchun 130117, China;
    2.Jilin Province Key Laboratory of Internet Finance, Jilin University of Finance and Economics, Changchun 130117, China;
    3.College of Computer Science and Technology, Jilin University, Changchun 130012, China
  • Received:2015-03-13 Online:2016-09-20 Published:2016-09-20

RICH HTML

0   

PDF (PC)

181

摘要： 将一组Hela细胞的时序数据通过傅立叶分析变换为傅立叶谱,并设计了基于支持向量机的有监督学习算法,该算法通过提取傅立叶谱中的显著特征鉴定持家基因和非持家基因。本文所提出的方法通过比较两套独立的组织表达谱成功预测了510个人类持家基因,其中包括93个非编码持家基因。分析结果表明:本文方法所预测的持家基因相比其他3种方法更为高效、准确。

关键词: 计算机应用, 持家基因, 支持向量机, 预测模型

Abstract: A group of time series data of Hela cells is transformed to Fourier spectrum by Fourier analysis. A support vector machine based monitoring learning algorithm is proposed. This algorithm is applied to pick out the Housekeeping IncRNAs from the Fourier spectrum, which can extract important features of the system, providing a basis for identifying the specific RNAs expression patterns. Using the above method 510 human Housekeeping genes are confirmed, which are then identified by comparison with two standard sets of human tissue specific expression profiles. Results show that the proposed method can give more reliable Housekeeping IncRNAs than three existing identifying methods.

Key words: computer application, housekeeping gene, support vector machine(SVM), prediction model

中图分类号: 

  • TP39
[1] Bolstad B M, Irizarry R A, Astrand M, et al. A comparison of normalization methods for high density oligonucleotide array data based on variance and bias[J]. Bioinformatics, 2003, 19(2):185-193.
[2] Huttenrauch F, Nitzki A, Lin F T, et al. Comparison of human adult and fetal expression and identification of 535 housekeeping/maintenance genes[J]. Physiological Genomics, 2000, 2(3):143-147.
[3] Hsiao L L, Dangond F, Yoshida T, et al. A compendium of gene expression in normal human tissues[J]. Physiological Genomics, 2001, 7(2):97-104.
[4] Eisenberg E, Levanon E Y. Human housekeeping genes are compact[J]. Trends in Genetics, 2003, 19(7):362-365.
[5] Vinogradov A E. Compactness of human housekeeping genes: selection for economy or genomic design?[J]. Trends in Genetics, 2004, 20(20):248-253.
[6] Jiang Z, He F, Hu S, et al. On the nature of human housekeeping genes[J]. Trends in Genetics, 2008, 24(10):481-484.
[7] Lawson M J, Zhang L. Housekeeping and tissue-specific genes differ in simple sequence repeats in the 5'-UTR region[J]. Gene, 2008, 407(1/2):54-62.
[8] Eller C D, Regelson M, Merriman B, et al. Repetitive sequence environment distinguishes housekeeping genes[J]. Gene, 2007, 390(1/2):153-165.
[9] Vinogradov A E. Isochores and tissue-specificity[J]. Nucleic Acids Research, 2003, 31(17):5212-5220.
[10] 余军,张长海,张浩,等. 基于茎区的动态规划算法的核糖核酸二级结构预测[J].吉林大学学报:工学版,2011,41(2):452-457.
Yu Jun, Zhang Chang-hai, Zhang Hao, et al. Prediction of RNA secondary structure using dynamic programming algorithm based on stems[J]. Journal of Jilin University(Engineering and Technology Edition),2011,41(2):452-457.
[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] 隗海林, 包翠竹, 李洪雪, 李明达. 基于最小二乘支持向量机的怠速时间预测[J]. 吉林大学学报(工学版), 2018, 48(5): 1360-1365.
[7] 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.
[8] 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.
[9] 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.
[10] 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.
[11] 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.
[12] 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.
[13] 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.
[14] 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.
[15] 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.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 胡兴军, 李腾飞, 王靖宇, 杨博, 郭鹏, 廖磊. 尾板对重型载货汽车尾部流场的影响[J]. 吉林大学学报(工学版), 2013, 43(03): 595 -601 .
[2] 姚运仕, 刘龙, 冯忠绪, 沈建军, 陈世斌. 双钢轮振动压路机混合动力系统仿真[J]. 吉林大学学报(工学版), 2013, 43(04): 871 -876 .
[3] 徐勇军, 李元春, 赵晓晖. 基于期望关节角补偿的车载液压刚柔机械臂建模及轨迹跟踪控制[J]. 吉林大学学报(工学版), 2013, 43(05): 1367 -1374 .
[4] 王蜜, 蔡中义, 李明哲, 王大明. 三维曲面件辊压成形弯曲变形的计算及数值模拟[J]. 吉林大学学报(工学版), 2014, 44(2): 404 -408 .
[5] 王喆, 杨柏婷, 刘昕, 刘群, 宋现敏. 基于模糊聚类的驾驶决策判别[J]. 吉林大学学报(工学版), 2015, 45(5): 1414 -1419 .
[6] 孙文旭, 洪伟, 黄恩利, 解方喜, 苏岩, 姜北平. 活塞初始位置对GDI汽油机直接起动模式的影响[J]. 吉林大学学报(工学版), 2016, 46(5): 1471 -1477 .
[7] 赵丁选, 王倩, 张祝新. 基于层次分析法的可拓学理论对舰载直升机可靠性的评估[J]. 吉林大学学报(工学版), 2016, 46(5): 1528 -1531 .
[8] 马爽, 周长久, 张连东, 洪伟, 田彦涛. 基于Kinect改进的增量PCA扭锁在线识别[J]. 吉林大学学报(工学版), 2016, 46(3): 890 -896 .
[9] 何凯, 张丽莹, 高俊俏. 稳健的基于等照度线的图像修复算法[J]. 吉林大学学报(工学版), 2016, 46(3): 929 -933 .
[10] 张益瑞, 苏建, 张兰, 谭富星, 徐观. 轨道车辆转向架一系悬挂刚度测定[J]. 吉林大学学报(工学版), 2016, 46(4): 1083 -1089 .
版权所有 © 《吉林大学学报(工学版)》编辑部
地址：长春市人民大街5988号　电话：+86-431-85095297　传真：+86-431-85094074　E-mail: xbgxb@jlu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发