植物抗性基因的數(shù)據(jù)組織與信息挖掘.pdf

1、病蟲害對植物的迫害已經(jīng)成為一個嚴重的問題,尤其對于農(nóng)作物來說,不僅會造成大面積的減產(chǎn)或絕收,而且會給某些經(jīng)濟產(chǎn)業(yè)帶來一定程度的影響。因此,通過研究植物和病蟲害間的相互作用來提取已知植物抗性基因的特征,進而挖掘更多未知抗性基因,培育具有抗性功能的植株,這不僅有助于植物基因的改良,而且對生物育種也有重要的價值。
　　植物抗性基因的識別問題可以看作一個二分類問題,本文將結(jié)合計算機學和生物學知識,采用機器學習的方法預測植物抗性基因。通常情

2、況下,訓練一個分類器需要有正確標記的正例和反例。然而,抗性基因識別中可利用的信息僅有少數(shù)人工標記的抗性基因。一般情況下,將不包括正例的基因家族作為訓練反例,但其中功能不明確的基因可能具有抗性功能,這樣就會嚴重影響分類器的識別能力。為了消除由于正例太少和錯誤反例對抗性基因識別造成的影響,本文基于抗性基因和其他基因在蛋白質(zhì)相互作用網(wǎng)中的距離,提出了一種新的樣本選擇方法。與一般樣本選擇的方法相比,本文方法選擇的樣本所構(gòu)建的分類器的性能要優(yōu)于一

3、般方法,說明了該方法的有效性。接著,本文結(jié)合基因序列特征及其對應蛋白質(zhì)理化特性對抗性基因識別的作用程度,在本文方法獲取的數(shù)據(jù)上提取了有關基因序列和蛋白質(zhì)理化特性等共113維特征,并通過實驗分析了各組特征對抗性基因識別貢獻的大小。最后,選擇支持向量機(Support Vector Machine,SVM)作為抗性基因分類器算法,并通過實驗和理論分析從常用的四種核函數(shù)中選擇了徑向基函數(shù)作為核函數(shù),使得預測結(jié)果的敏感性(SN)和特異性(SP)