基于判別分析的植物poly（A）位點(diǎn)識(shí)別研究.pdf

1、植物mRNA序列中多聚腺苷化位點(diǎn)(簡(jiǎn)稱poly(A)位點(diǎn))識(shí)別是基因識(shí)別的重要組成部分，在基因組分析中，對(duì)poly(A)位點(diǎn)的正確識(shí)別有助于確定基因編碼的終止位置，對(duì)分析基因的轉(zhuǎn)錄過(guò)程及探索基因表達(dá)的調(diào)控機(jī)制都起著十分重要的作用。大量的研究人員已經(jīng)對(duì)不同生物的poly(A)位點(diǎn)識(shí)別問(wèn)題進(jìn)行了研究，但由于植物的poly(A)位點(diǎn)表現(xiàn)出分散性、多樣性以及復(fù)雜性的特點(diǎn)，所以在植物mRNA序列中關(guān)于poly(A)位點(diǎn)選擇的理解仍十分有限。

2、 判別分析是根據(jù)判別對(duì)象若干個(gè)指標(biāo)的觀測(cè)結(jié)果判定其應(yīng)屬于哪一類的統(tǒng)計(jì)學(xué)方法。逐步判別分析是對(duì)進(jìn)入判別模型的特征根據(jù)對(duì)判別貢獻(xiàn)的大小進(jìn)行逐步選擇，最后根據(jù)篩選出的特征建立判別模型。 本文根據(jù)擬南芥poly(A)位點(diǎn)上下游周圍序列順式作用元件的特征，運(yùn)用逐步判別分析的方法來(lái)建立poly(A)位點(diǎn)的識(shí)別模型。對(duì)建立模型采用的訓(xùn)練集數(shù)據(jù)，使用k-gram核苷酸模式、Z曲線、位置特異性分?jǐn)?shù)矩陣、一階異構(gòu)馬爾可夫模型、階乘矩等方式表示提取

3、的生物特征；首先使用基于信息增益、熵等多種屬性選擇算法對(duì)特征空間進(jìn)行初步的篩選，獲得若干重要特征。而后對(duì)得到的序列特征的數(shù)值編碼作為逐步判別分類的輸入，針對(duì)訓(xùn)練數(shù)據(jù)建立判別模型。本文使用建立的判別模型對(duì)測(cè)試數(shù)據(jù)進(jìn)行預(yù)測(cè)，并對(duì)各測(cè)試組的預(yù)測(cè)結(jié)果進(jìn)行分析，發(fā)現(xiàn)逐步判別分類在識(shí)別精度上基本取得了令人滿意的結(jié)果。逐步判別在位點(diǎn)識(shí)別模型的建立過(guò)程中可以進(jìn)一步篩選出對(duì)位點(diǎn)預(yù)測(cè)有顯著作用的特征，選擇出的變量更能夠反應(yīng)類間差異，大大減少了新序列測(cè)定位點(diǎn)