基于支持向量机(SVM)的剪接位点识别

剪接位点的识别作为基因识别中的一个重要环节, 一直受到研究人员的关注。考虑到剪接位点附近存在的序列保守性,已有一些基于统计特性的方法被用于剪接位点的识别中,但效果仍有待进一步改进。支持向量机（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅｓ） 作为一种新的基于统计学习理论的学习机,近几年有了很大的发展,已被应用在模式识别的许多问题中。文中将其用于剪接位点的识别中,并针对满足ＧＴ－ ＡＧ 规则的序列样本中虚假剪接位点的样本数远大于真实位点这一特性, 提出了一种基于ＳＶＭ 的平衡取小法以获得更好的识别效果。实验结果表明,应用支持向量机进行剪接位点的识别能更好地提取位点附近保守序列的统计特征,对测试集具有更好的推广能力,并且使用上更加简单。这一结果为剪接位点的识别提供了一种新的方法,同时也为生物大分子研究中结构和位点的识别问题的解决提供了新的线索。     

外显子与内含子序列的分形尺度参数可分性研究

近年来, 关于ＤＮＡ 序列的分形尺度特性的研究引起了研究者广泛的兴趣, 许多研究表明,ＤＮＡ 序列的外显子和内含子区域具有不同的分形尺度特性,这有可能成为区别外显子和内含子序列的特征之一。文中应用ＷＴＭＭ（ Ｗａｖｅｌｅｔ Ｔｒａｎｓｆｏｒｍ Ｍｏｄｕｌｕｓ Ｍａｘｉｍ） 方法分析ＤＮＡ 序列的分形结构,计算表征分形结构尺度特性的量化参数 Ｈｌｄｅｒ 指数。考虑到外显子序列的三联体编码特性, 计算了ＤＮＡ 序列及三个不同的相位序列分别在三种ＤＮＡ ｗａｌｋ 方式下得到的序列的Ｈｌｄｅｒ 指数,并将每个Ｈｌｄｅｒ 指数作为一维特征,考察外显子与内含子序列的分布。计算结果表明,只按单个分形尺度参数来看,外显子与内含子不具有可分性。在此基础上,从模式识别的角度出发, 将外显子与内含子视为由此构成的多维特征空间中的两个模式类, 由此设计基于ＬＬＭ（ＬｏｃａｌＬｉｎｅａｒ Ｍａｐ） 神经网络的分类器,并对分类器的错误率进行估计,实验结果表明外显子序列与内含子序列在此特征空间中具有聚类特性,从而表明以这一组分形尺度参数作为序列特征,外显子与内含子具有可分性。这一结果为研究外显子与内含子序列的识别算法提供了新的线索