基于多特征的水平轉移基因的預測研究.pdf

1、水平基因轉移（又稱為側向基因轉移）是指生物將遺傳物質傳遞給其他細胞而非子代的過程，在物種進化和微生物基因組多樣化中發(fā)揮著關鍵的作用。遺傳物質的轉移可以發(fā)生在親緣和遠緣的物種或菌株中，是非常頻繁的事件。在單細胞生物體中，它或許是遺傳物質交流的主要形式。另外，水平基因轉移被認為能導致許多人類疾病的發(fā)生，對人類構成許多威脅。隨著序列數(shù)據(jù)越來越多，大量的現(xiàn)象表明水平基因轉移的發(fā)生。因此水平轉移基因的預測對于更好的了解其對基因組進化的的影響和識別

2、新的藥物靶標具有巨大的實用意義。
　　迄今為止，大量的識別水平轉移基因的計算方法被提出，然而通過分析，可以發(fā)現(xiàn)，他們都沒有提供可靠的預測?，F(xiàn)有的計算方法主要分為系統(tǒng)發(fā)育方法和參數(shù)方法，然而系統(tǒng)發(fā)育方法是耗時且不充分魯棒的。在現(xiàn)有的參數(shù)方法中，僅僅有一個單獨的組成特征用于預測實驗，或者將由單個特征得到的結果簡單地結合。我們知道不同的特征表征不同的信息，因此單個的特征是不能充分的表征序列編碼的信息的。另外，以往的使用機器學習的方法也都

3、沒有考慮數(shù)據(jù)集的分類不平衡問題，這個問題對分類結果會產(chǎn)生較大的誤差。
　　針對以上不足，我們結合多特征，并使用支持向量機開發(fā)了一種有效的分類器（Hgtident），有效地提高了預測精度。Hgtident包括全面且有代表性的特征提取、支持向量機模型的選擇、基于遺傳算法的特征選擇、分類不平衡問題的處理和廣泛的系統(tǒng)交叉驗證的性能評價。通過特征選擇，我們發(fā)現(xiàn)特征 JS-DN和JS-CB有更高的識別水平轉移基因的能力，GC1-GC3和K-m

4、er（1≤K≤7）具有最弱的識別能力。實驗表明Hgtident有效地提高了Recall，并大幅降低了Mean error。與現(xiàn)有流行的多閾值方法相比，本文的Recall平均提高了2.81％，Mean error平均大幅降低26.32%，不僅表明大量的假陽性得以校正，也表明了我們觀點的有效性和可靠性。
　　本文所使用的方法Hgtident是第一次的基于綜合的方法來預測水平轉移的基因，它是一種有效的預測水平轉移的基因的方法。廣泛的實驗