基于支持向量機和極限學(xué)習(xí)機的功能位點識別.pdf

1、對DNA序列上的功能位點的識別成為生物信息學(xué)中的長期熱點之一。在對功能位點進(jìn)行預(yù)測時，有不同的方法來選擇保守片段和識別功能位點。本文基于極限學(xué)習(xí)機和支持向量機提出了一種識別功能位點的新方法，而且給出了新的保守性強度公式來決定保守片段。
　　本文先通過定義每個位點的保守性強度公式來確定保守區(qū)域，然后在多尺度參數(shù)的基礎(chǔ)上，利用緊鄰與非緊鄰位置關(guān)聯(lián)權(quán)重矩陣來提取保守區(qū)域的關(guān)聯(lián)特征，在多樣性增量分析的基礎(chǔ)上，提取上下游片段的堿基組成分特征

2、，最后利用支持向量機和極限學(xué)習(xí)機分類器來整合特征信息。
　　剪接位點識別:在剪接位點識別上，首先計算所有樣本中每個位點的保守性強度，從而量化選擇保守片段和上下游片段，利用緊鄰與非緊鄰位置關(guān)聯(lián)權(quán)重矩陣(PCWM-ANA)和組成分的多樣性增量(IDSC)得到5維特征向量來描述序列的信息。從人類剪接位點數(shù)據(jù)集HS3D分別構(gòu)建1∶1和1∶10正負(fù)集，用支持向量機分類器整合5維特征向量進(jìn)行識別。在對1∶1的數(shù)據(jù)集進(jìn)行預(yù)測時，供、受體位點的五

3、折交叉驗證的馬修斯相關(guān)系數(shù)分別為0.924、0.947，在對1∶10的數(shù)據(jù)集進(jìn)行預(yù)測時，供、受體位點的五折交叉驗證的馬修斯相關(guān)系數(shù)分別為0.754、0.734。它們的結(jié)果明顯優(yōu)于現(xiàn)有的文獻(xiàn)報道的結(jié)果，尤其是受體位點的預(yù)測精度。為了解決大數(shù)據(jù)下支持向量機收斂速度較慢的問題，本文引進(jìn)了一種學(xué)習(xí)速度快、泛化性能好的極限學(xué)習(xí)機算法。結(jié)果證明，利用它進(jìn)行預(yù)測的精度和支持向量機是不分伯仲的。
　　啟動子識別:從真核啟動子數(shù)據(jù)庫EPD選取140

4、0條啟動子作為正集，選取1290條編碼序列和1264條內(nèi)含子序列作為負(fù)集。首先，利用保守性強度公式選擇保守片段，對其進(jìn)行位點之間的關(guān)聯(lián)信息分析，對整段序列進(jìn)行堿基組成分信息和CpG島信息分析，得到13維特征向量來描述序列的信息。利用支持向量機分類器來構(gòu)建特征向量，采用五折交叉驗證，對啟動子和編碼序列識別得到馬修斯相關(guān)系數(shù)為0.975，對啟動子和內(nèi)含子識別得到馬修斯相關(guān)系數(shù)為0.946。
　　總之，本文模型對剪接位點和啟動子預(yù)測精度