基于計算智能方法的microRNA預測.pdf

1、隨著人類基因組計劃的成功實施，研究者獲取了海量的生物分子數(shù)據(jù)，如何對獲取的生物信息進行加工處理，檢索分析并提取特征背后蘊含的生物學意義，成為科學家面臨的又一個難題。作為生物學、計算機科學和應用數(shù)學交叉學科的生物信息學的出現(xiàn)為人類提供了破解難題的方法，并越來越受到人們的重視。生物信息學不僅為人類了解遺傳信息提供了幫助，更使人們清楚地認識到基因網(wǎng)絡(luò)調(diào)控的重要性。
　　 長期以來人們對生物中心法則的理解認為遺傳信息是由DNA轉(zhuǎn)錄生成R

2、NA，再經(jīng)翻譯形成蛋白質(zhì)。但非編碼RNA的發(fā)現(xiàn)改變了人們原有的認知模式，microRNA通過與靶標信使RNA互補配對可以抑制或裂解信使RNA，從而影響生物的基因調(diào)控。近年來，microRNA已經(jīng)成為生物信息學研究的熱點之一，其在動植物的生長發(fā)育、細胞增殖和凋亡、器官形成、病毒防御以及與人類息息相關(guān)的疾病和癌癥等方面都發(fā)揮中重要的調(diào)控作用。
　　 目前研究發(fā)現(xiàn)的microRNA占整個microRNA家族的比例還是少之又少的，由于m

3、icroRNA所含堿基個數(shù)僅為21-25個左右，所以目前通用的預測辦法是通過檢測含有microRNA序列的microRNA前體(pre-miRNA)來間接驗證microRNA的存在。機器學習方法是一種高效、便捷、準確的預測microRNA的方法，在機器學習方法中有兩個關(guān)鍵的問題直接影響到預測結(jié)果的優(yōu)劣，一個是提取的特征是否能準確的代表要預測的pre-miRNA序列，另一個則是預測模型建立的好壞。
　　 經(jīng)研究發(fā)現(xiàn)pre-miRN

4、A的莖環(huán)結(jié)構(gòu)具有高度的保守性，并且莖部結(jié)構(gòu)中相鄰堿基對之間具有重要的互補影響作用，所以本文的特征提取方法通過對相鄰的三個堿基對配對情況進行編碼來達到表征莖環(huán)結(jié)構(gòu)的作用。同時搭配另外四維表征pre-miRNA序列信息的特征共同組成36維的特征向量來進行預測。
　　 由于人工神經(jīng)網(wǎng)絡(luò)具有自組織、自學習和自適應的特點，并且非常擅長處理非線性的生物信息學優(yōu)化問題，所以本文首先選取了有導師訓練的前饋人工神經(jīng)網(wǎng)絡(luò)模型配合粒子群優(yōu)化算法來進行

5、預測，實驗結(jié)果表明預測精度得到了一定程度的提高。為了進一步提高實驗的泛化能力和預測精度，本文又采用了集成的方法，集成已被證明是一種有效的機器學習方法，它可以顯著地提高整個分類器的預測精度。通過神經(jīng)網(wǎng)絡(luò)集成，并利用基于遺傳算法的選擇性集成對microRNA進行預測，最終得到的預測結(jié)果確實優(yōu)于單個人工神經(jīng)網(wǎng)絡(luò)。最后我們使用了柔性神經(jīng)樹模型再次對實驗進行了預測，柔性神經(jīng)樹可以進行結(jié)構(gòu)和參數(shù)的自我優(yōu)化，它解決了需要提前設(shè)定網(wǎng)絡(luò)結(jié)構(gòu)并逐一試探隱層