利用序列保守模体和局部构象信息预测转录因子结合位点

转录因子结合位点的计算预测是研究基因转录调控的重要环节,但常用的位置特异得分矩阵方法预测特异性偏低.通过深入分析结合位点的生物特征,提出了一种综合利用序列保守模体和局部构象信息的结合位点预测方法,以极大相关得分矩阵作为保守模体的描述模型,并根据二苷参数模型计算位点序列的局部构象,将两类信息得分组合为多维特征向量,在二次判别分析的框架下进行训练和滑动预测.预测过程中还引入了位置信息量以优化似然得分和过滤备选结果.针对大肠杆菌CRP和Fis结合位点数据的留一法测试结果表明,描述模型的改进和多种信息的融合能有效地改善预测方法的性能,大幅度提高特异性.     

一种基于多特征的大肠杆菌启动子判别算法

主要对从一段DNA序列中提取出信息以判别其中是否含有启动子的问题进行了研究。首先从固定长度的序歹4中提取成分特征和结构特征,然后将这些特征输入到一个非线性分类器中进行判别。测试结果显示,在正集＆非编码区负集中,平均错误率降低为13．4％;在正集＆编码区负集中,平均错误率降低到17．0％。表明该方法是非常有效的。     

基于支持向量机的人类5’非翻译区剪接位点识别

基因非编码区域剪接位点的识别是基因识别中一个非常具有挑战性的问题,尤其是5’非翻译区中剪接位点的识别。与一般剪接位点不同,5’非翻译区剪接位点的两侧不存在由编码到非编码的状态转移,所以通常的剪接位点识别算法在非翻译区的性能不太理想。文章采用了基于支持向量机的方法对5’非翻译区中的剪接位点进行识别。为了提高识别精度,采用了基于矩阵相似性度量的核函数参数选取方法,它能够简单快速地确定合适的核函数参数,进而提高核函数的识别性能。通过实验验证,经过参数选择后的支持向量机能够较好地识别5＇非翻译区剪接位点。     

基于支持向量机的枯草杆菌启动子预测方法

启动子预测是研究基因转录调控的重要环节,但现有算法的预测正确率偏低．在深入分析启动子生物特征的基础上,提出了一种基于支持向量机的枯草杆菌启动子预测算法,在启动子序列的组成特征、信号特征和结构特征中选取9种典型特征作为预测的依据,对于信号特征,除了利用保守模式的一致序列,还考虑了间隔距离的分布信息．首先通过特征描述模型分别计算每种特征在启动子序列和非启动子序列中的得分,将特征得分组合成9维特征向量,再利用支持向量机在特征向量集上进行训练和判别．对实际数据集进行的刀切法测试验证了算法的有效性．对σ启动予的预测,平均正确率达到了90．7％;对几种其它σ因子启动子的预测,平均正确率也超过了80％．算法不但有广泛的适用性,还有良好的可扩展性,能够方便的容纳新特征,使识别性能不断提高．     

基于滑动窗口的原核转录起始位点计算定位方法

转录起始位点的计算定位是基因转录调控研究的重要内容,但现有方法的识别性能较低。文章作者在已有原核启动子识别算法的基础上,提出了一种基于滑动窗口的原核转录起始位点计算定位方法,通过在合理限定的定位范围内对序列进行滑动扫描,来预测转录起始位点的位置。首先根据窗口序列的交迭组分特征和启动子其它特征分别建立二次判别分类器,用其计算对应位置的似然得分,再利用转录起始位点与翻译起始位点的间隔经验分布信息对似然得分进行修正,最后依照似然得分的分布情况由阈值定位算法确定预测位置。对大肠杆菌真实序列数据的测试结果表明,该定位算法可实现对真实转录起始位点位置的有效预测,与已有算法相比,当敏感性指标同为0.85左右时,特异性指标可从0.20提高至0.65,从而使得定位准确率提高了约20个百分点。     

基于BP神经网络的siRNA活性预测

RNA干扰(RNAinterference,RNAi)是由双链RNA(dsRNA)引起的基因沉默现象,它通过降解具有同源序列的mRNA来起作用,特殊设计的siRNA能使靶基因发生特异性沉默,起到确定基因功能或沉默致病基因从而治疗疾病的目的。在RNAi技术的应用中,通常采用的是长度为19bp,正、反义链3'端各有2个不配对碱基的双链RNA(siRNA)。但针对靶基因不同位点设计的siRNA作用效果差别很大。影响siRNA效果的因素是多方面的,这些因素的作用又是非线性的。本文在研究影响siRNA作用效果的各种因素的基础上,对已经公开发表的实验数据进行特征提取,作为BP神经网络的训练数据,并将训练好的BP神经网络用于siRNA活性预测。     

基于结构信息的RNA多序列比对

多序列比对是生物信息学中重要的基础研究内容,对各种RNA序列分析方法而言,这也是非常重要的一步。不像DNA和蛋白质,许多功能RNA分子的序列保守性要远差于其结构的保守性,因此,对RNA的分析研究要求其多序列比对不仅要考虑序列信息,而且要充分考虑到其结构信息。本文提出了一种考虑了结构信息的同源RNA多序列比对算法,它先利用热力学方法计算出每条序列的配对概率矩阵,得到结构信息,由此构造各条序列的结构信息矢量,结合传统序列比对方法,提出优化目标函数,采用动态规划算法和渐进比对得到最后的多序列比对。试验证实该方法的有效性。     

RNA模式分析进展

研究表明,R N A模式在基因表达调控方面起着重要作用.由于RN A模式不仅与初级序列有关,更多的表现为高级结构(一般为二级结构)的保守性,所以R N A模式的识别比D N A模式的识别要复杂的多.近十几年里,对R N A模式分析作了大量的计算方面的研究,包括:R N A结构的预测、识别和已知的类型相似的R N A模式、在一组功能或进化相关的基因中找出共同的R N A模式.这里对上述3个方面的计算方法的发展和研究进行了综述.     

结合基因表达数据和ChIP-chip数据的酵母转录调控模块的识别

活细胞依赖其众多的转录调控模块来实现复杂的生物功能,识别转录调控模块对深入理解细胞的功能及其转录机制有着重要的意义。本文结合酵母基因表达数据和ChIP-chip数据,提出了一种转录调控模块识别算法。该算法通过采用不同的P值阈值分别得到了核心集和粗糙集,然后对核心集和粗糙集进行判别,最后对基因进行扩展之后得到基因转录调控模块。将该算法运用到两个酵母基因表达数据中,得到了一些具有显著生物学意义的基因转录调控模块。与其它算法相比,该算法不仅可以识别含有较多基因的转录调控模块,而且可以识别一些其它算法不能识别的基因转录调控模块。识别得到的基因转录调控模块有着不同的生物学功能,并且有助于进一步理解酵母的转录调控机制。     

基于模糊支持向量机的膜蛋白折叠类型预测

现有的基于支持向量机（support vector machine,SVM）来预测膜蛋白折叠类型的方法．利用的蛋白质序列特征并不充分．并且在处理多类蛋白质分类问题时存在不可分区域,针对这两类问题．提取蛋白质序列的氨基酸和二肽组成特征,并计算加权的多阶氨基酸残基指数相关系数特征,将3类特征融和作为分类器的输入特征矢量．并采用模糊SVM（fuzzy SVM,FSVM）算法解决对传统SVM不可分数据的分类．在无冗余的数据集上测试结果显示．改进的特征提取方法在相同分类算法下预测性能优于已有的特征提取方法：FSVM在相同特征提取方法下性能优于传统的SVM．二者相结合的分类策略在独立性数据集测试下的预测精度达到96．6％．优于现有的多种预测方法．能够作为预测膜蛋白和其它蛋白质折叠类型的有效工具．