基于SVM-AdaBoost的成熟miRNA全位点识别方法技术

基于SVM‑AdaBoost的成熟miRNA全位点识别方法，属于生物信息学领域。现有的单一分类器识别成熟miRNA问题中存在的精度不高和类不平衡问题。一种基于SVM‑AdaBoost的成熟miRNA全位点识别方法，选取miRBase数据库中pre‑miRNA序列，并在选取的序列上建立训练数据集和测试集；提取基于结构化序列的成熟miRNA剪切位点生物特征；通过信息增益特征选择算法获得新的特征集；构建基于概率的可调参数SVM分类器模型；构建基于AdaBoost算法的集成分类器模型；训练miRNA剪切全位点分类器。本发明专利技术提高了识别精度，并降低了平均核苷酸偏移数；且通过同一测试集，对多个成熟miRNA识别方法对比分析，本发明专利技术提出的方法分类性能更高。

【技术实现步骤摘要】
基于SVM-AdaBoost的成熟miRNA全位点识别方法
本专利技术涉及生物信息学领域，具体涉及一种miRNA全位点识别方法。
技术介绍
MiRNA是一类长度大约为20-24nt的高度保守的内源性小分子RNA，在转录后水平上调控基因表达。miRNA通过与mRNA靶向结合，抑制蛋白质的合成，实现对基因的表达控制。据估计，miRNA调控了人类60％的转录过程。MiRNA通过序列特异性的RNA基因沉默作用调节参与了多种生物过程。现有研究已发现miRNA参与了细胞增值发育，组织分化，细胞循环和细胞凋亡等。比如miRNA与植物胚芽和叶的发育、人和鼠的细胞发育、神经细胞的生长发育和神经干细胞向神经细胞的转化等密切相关；miRNA与一些疾病有密切关系，如精神分裂症、帕金森综合征和其他神经异常症状、白血病、糖尿病、艾滋病、心肌肥大和老年痴呆等常见疾病，更重要的是随着进一步研究发现，超过50％的人类miRNA被定位于与癌症相关的基因片断区域，其中包括乳腺癌、肺癌、直肠癌、皮肤癌、鼻咽癌、卵巢癌以及神经细胞癌等，最近研究也说明miRNA在药物作用后体内分子水平起到重要调节作用。综上所述，miRNA在人本文档来自技高网...

【技术保护点】
1.一种基于SVM‑AdaBoost的成熟miRNA全位点识别方法，所述的识别方法通过以下步骤实现：步骤一、选取miRBase数据库中pre‑miRNA序列，并在选取的序列上建立训练数据集和测试集；步骤二、提取基于结构化序列的成熟miRNA剪切位点生物特征：步骤二一、基于生物特征分析，定义成熟miRNA剪切位点生物特征；步骤二二、定义成熟miRNA双链，以及成熟miRNA双链对应的位点；步骤二三、在定义的成熟miRNA双链上构建序列，用于提取特征；步骤二四、预测构建的序列的二级结构及自由能；步骤二五、在构建的序列上提取特征集；步骤三、通过信息增益特征选择算法获得新的特征集；步骤四、构建基于概率...

【技术特征摘要】
1.一种基于SVM-AdaBoost的成熟miRNA全位点识别方法，所述的识别方法通过以下步骤实现：步骤一、选取miRBase数据库中pre-miRNA序列，并在选取的序列上建立训练数据集和测试集；步骤二、提取基于结构化序列的成熟miRNA剪切位点生物特征：步骤二一、基于生物特征分析，定义成熟miRNA剪切位点生物特征；步骤二二、定义成熟miRNA双链，以及成熟miRNA双链对应的位点；步骤二三、在定义的成熟miRNA双链上构建序列，用于提取特征；步骤二四、预测构建的序列的二级结构及自由能；步骤二五、在构建的序列上提取特征集；步骤三、通过信息增益特征选择算法获得新的特征集；步骤四、构建基于概率的可调参数SVM分类器模型；步骤五、构建基于AdaBoost算法的集成分类器模型；步骤六、训练miRNA剪切全位点分类器。2.根据权利要求1所述基于SVM-AdaBoost的成熟miRNA全位点识别方法，其特征在于：步骤一所述的选取miRBase数据库中pre-miRNA序列，并在选取的序列上建立训练数据集和测试集的过程为，选取miRBase数据库中pre-miRNA序列，去除冗余序列和多分枝序列后，在剩余序列中分别建立针对3’端的训练集和测试集以及5’端的训练集和测试集；其中，pre-miRNA的含义为前体miRNA。3.根据权利要求1或2所述基于SVM-AdaBoost的成熟miRNA全位点识别方法，其特征在于：步骤二一所述的基于生物特征分析，定义成熟miRNA剪切位点生物特征的过程为，基于生物特征分析，根据与位置缺省相关的自由能变化和内环，定义针对这些位置缺省的基于结构化序列成熟miRNA剪切位点生物特征，包括：5个热力学特征：-9nt到Dicer位点的自由能，表示为MFE1；-5nt到Dicer位点的自由能，表示为MFE2；-3nt到Dicer位点的自由能，表示为MFE3；Drosha位点到Dicer位点的自由能，表示为MFE4；Drosha位点到Dicer下游3nt位点的自由能，表示为MFE5；其中，nt表示核苷酸，是RNA的基本单位；-表示以成熟miRNA第一个核苷酸作为坐标刻度0，刻度0左侧核苷酸位置为-，刻度0右侧核苷酸位置为+；Drosha和Dicer分别表示Drosha酶和Dicer酶；位置特异性特征：从Drosha的起始位点左侧9nt到Dicer右侧3nt双链的每一位置核苷酸与结构组成的特征，将配对的双链核苷酸定义为M，将不配对的双链核苷酸定义为N，具体特征为：AM、CM、GM、UM、AN、CN、GN、UN、-N；其中，A表示腺嘌呤adenine，C表示胞嘧啶cytosine，G表示鸟嘌呤ganciclovir，U表示尿嘧啶uracil；-表示位置缺省；核苷酸配对特征：从Drosha起始位点到Dicer位点的每一位置核苷酸对，具体特征为：AA、AC、AG、AU、CA、CC、CG、CU、GA、GC、GG、GU、UA、UC、UG、UU、A-、C-、G-、U-、-A、–C、–G、–U；位置缺省数量：+3nt到+8nt序列中-位置缺省的数量；+9nt到+12nt序列中-位置缺省的数量；-2nt-2nt序列中-位置缺省的数量；长度特征：miRNA起始位点到终环距离；核苷酸特征：miRNA第一个核苷酸类别；miRNA序列单核苷酸频率；miRNA第一个核苷酸配对。4.根据权利要求3所述基于SVM-AdaBoost的成熟miRNA全位点识别方法，其特征在于：步骤二二所述的定义成熟miRNA双链，以及成熟miRNA双链对应的位点的过程为，定义从5’端成熟miRNA起始位点开始的22nt核苷酸的窗口为成熟miRNA双链，对应的4个位点分别定义为：P5_5、P5_3、P3_5和P3_3；其中，所述的22nt核苷酸中不包括具有缺省位置信息的核苷酸。5.根据权利要求1、2或4所述基于SVM-AdaBoost的成熟miRNA全位点识别方法，其特征在于：步骤二三所述的在定义的成熟miRNA双链上构建序列，用于提取特征的过程为，将P5_5左侧9nt核苷酸序列合并成熟miRNA序列定义为-9扩展序列，同理，将P5_5左侧5nt、3nt和右侧3nt核苷酸序列合并成熟miRNA序列分别定义为-5扩展序列、-3扩展序列和+3扩展序列，将P5_5左侧4nt和右侧4nt合并成熟miRNA序列分别定义为-4扩展序列和+4扩展序列。6....

【专利技术属性】
技术研发人员：王颖，汝吉东，
申请(专利权)人：齐齐哈尔大学，
类型：发明
国别省市：黑龙江,23