基于判別分析的植物poly（A）位點識別研究.pdf

1、植物mRNA序列中多聚腺苷化位點(簡稱poly(A)位點)識別是基因識別的重要組成部分，在基因組分析中，對poly(A)位點的正確識別有助于確定基因編碼的終止位置，對分析基因的轉(zhuǎn)錄過程及探索基因表達的調(diào)控機制都起著十分重要的作用。大量的研究人員已經(jīng)對不同生物的poly(A)位點識別問題進行了研究，但由于植物的poly(A)位點表現(xiàn)出分散性、多樣性以及復(fù)雜性的特點，所以在植物mRNA序列中關(guān)于poly(A)位點選擇的理解仍十分有限。

2、 判別分析是根據(jù)判別對象若干個指標的觀測結(jié)果判定其應(yīng)屬于哪一類的統(tǒng)計學(xué)方法。逐步判別分析是對進入判別模型的特征根據(jù)對判別貢獻的大小進行逐步選擇，最后根據(jù)篩選出的特征建立判別模型。 本文根據(jù)擬南芥poly(A)位點上下游周圍序列順式作用元件的特征，運用逐步判別分析的方法來建立poly(A)位點的識別模型。對建立模型采用的訓(xùn)練集數(shù)據(jù)，使用k-gram核苷酸模式、Z曲線、位置特異性分數(shù)矩陣、一階異構(gòu)馬爾可夫模型、階乘矩等方式表示提取

3、的生物特征；首先使用基于信息增益、熵等多種屬性選擇算法對特征空間進行初步的篩選，獲得若干重要特征。而后對得到的序列特征的數(shù)值編碼作為逐步判別分類的輸入，針對訓(xùn)練數(shù)據(jù)建立判別模型。本文使用建立的判別模型對測試數(shù)據(jù)進行預(yù)測，并對各測試組的預(yù)測結(jié)果進行分析，發(fā)現(xiàn)逐步判別分類在識別精度上基本取得了令人滿意的結(jié)果。逐步判別在位點識別模型的建立過程中可以進一步篩選出對位點預(yù)測有顯著作用的特征，選擇出的變量更能夠反應(yīng)類間差異，大大減少了新序列測定位點