基于支持向量机的microRNA靶基因预测

摘要

microRNA(miRNA)是广泛存在于真核生物细胞内的小分子RNA，它通过对基因的表达调控在生物的生长发育等过程发挥着至关重要的作用，尤其对人类疾病相关的基因所具有的调控作用更是被人们所关注。miRNA通过与其靶基因进行完全或者不完全互补配对对其靶基因进行表达调控，实现靶基因的翻译抑制或者降解，因此可以通过鉴定或预测miRNA的靶基因去研究miRNA的生物学功能。
　　研究发现通过miRNA与其靶基因之间相互作用反映出来的一些特征，能够对靶基因进行很好的区分，提取区分力较强的特征有助于进行靶基因预测，本文将这些特征总结为结构序列特征、自由能特征和基于绑定位置特征这三个特征，可以通过这些特征对靶基因数据进行特征提取。
　　本文选择采用支持向量机和粒子群优化相结合的方法，对靶基因进行预测。支持向量机中核函数的选择、核函数参数G和误差惩罚因子C的选取，对于构建的分类模型的性能有很大影响，本文通过对比选择了径向基核函数作为其核函数，相关参数G和C利用粒子群优化方法进行迭代优化选取。本文中miRNA靶基因预测具体实现方法如下：首先要从靶基因数据库TarBase(Release 4.0)中下载实验数据，分为训练数据集和测试数据集，然后对各数据集进行特征提取。利用训练数据集中提取的特征向量输入支持向量机分类模型，建立支持向量机分类器，结合粒子群优化方法优化的最优参数对训练分类器，最后用测试数据集中提取的特征向量对分类器进行测试。
　　本文将实验结果与现有的靶基因预测方法进行了对比，其预测敏感度、特异性和准确率均有所提高，说明本文提出的方法在miRNA靶基因预测上的有效性，这对靶基因研究发展起到一定的推进作用。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

§1-1 研究背景

§1-2 研究的目的和意义

§1-3 主要研究内容

§1-4 论文内容安排

第二章 支持向量机算法及优化算法简介

§2-1 生物信息学

§2-2 机器学习

§2-3 统计学习理论

§2-4 支持向量机原理

§2-5 粒子群优化算法

§2-6 本章小结

第三章 miRNA及其靶基因相关知识介绍

§3-1 miRNA基础知识介绍

§3-2 miRNA靶基因数据库

§3-3 miRNA靶基因特征分析

§3-4 miRNA靶基因预测软件的分析

§3-5 本章小结

第四章 基于支持向量机和粒子群优化的miRNA靶基因预测

§4-1 实验数据搜集及整理

§4-2 特征提取

§4-3 训练过程

§4-4 实验结果与分析

§4-5 本章小结

第五章 总结与展望

§5-1 总结

§5-2 展望

参考文献

致谢