基于隨機(jī)森林的外顯子剪接增強(qiáng)子識別.pdf

1、隨著人類基因組計(jì)劃的完成，越來越多的科學(xué)家開始從海量的生物序列數(shù)據(jù)中挖掘基因之間的功能，這使得研究功能基因組學(xué)成為了后基因組時代研究的主流。而研究pre-mRNA的選擇性剪接機(jī)制是功能基因組學(xué)研究的前沿課題之一。外顯子剪接增強(qiáng)子在結(jié)合SR蛋白之后能夠調(diào)控附近的剪接位點(diǎn)進(jìn)行選擇性剪接，從而能夠決定mRNA形成的蛋白質(zhì)的功能，所以在海量的生物序列數(shù)據(jù)中準(zhǔn)確的識別外顯子剪接增強(qiáng)子具有重要的意義。
　　由于識別外顯子剪接增強(qiáng)子的研究具有重

2、要的意義，這就使得相關(guān)的技術(shù)受到了越來越多的關(guān)注，然而現(xiàn)有的方法在理論和實(shí)際應(yīng)用中卻依然存在著諸多的問題，比如，訓(xùn)練數(shù)據(jù)集噪音大、分類特征信息選取片面、分類算法的復(fù)雜度高等。
　　針對上述問題，本文首先系統(tǒng)的綜述了識別外顯子剪接增強(qiáng)子的研究現(xiàn)狀，進(jìn)而提出了從構(gòu)造數(shù)據(jù)集、選取分類特征和選取分類算法這三個角度去改進(jìn)已有的識別外顯子剪接增強(qiáng)子的分類器。論文的主要研究工作和創(chuàng)新點(diǎn)如下：
　　提出了基于啟發(fā)式構(gòu)造訓(xùn)練數(shù)據(jù)集的方法?；?/p>

3、生物學(xué)背景知識，構(gòu)造了含有人類外顯子剪接增強(qiáng)子信息的訓(xùn)練正例集；構(gòu)造了由計(jì)算機(jī)隨機(jī)生成的序列組成的訓(xùn)練反例集；啟發(fā)式構(gòu)造了含有較少的人類外顯子剪接增強(qiáng)子信息的訓(xùn)練反例集。
　　設(shè)計(jì)了新的基于決策樹和隨機(jī)森林兩種分類算法的分類器，構(gòu)造了新的分類特征集合，用于識別外顯子剪接增強(qiáng)子。并創(chuàng)新性的結(jié)合了外顯子剪接增強(qiáng)子在pre-mRNA上的序列信息和其所要結(jié)合的SR蛋白信息，作為分類特征，用于刻畫外顯子剪接增強(qiáng)子數(shù)據(jù)。
　　本文選取了