基于主成分分析-神经网络的非编码RNA预测

预测非编码RNA对认识其调控功能具有重要意义。选择单核苷酸和二核苷酸出现频率作为神经网络分类特征,运用主成分分析方法降低输入数据的维数,去除数据间的相关性,采用Levenberg-Marquardt算法改善网络训练速度。对数据集的测试结果表明,此方法对细菌混合ncRNA的预测精度达到81.3%,对原核生物tRNA的预测精度达到93.3%,表明该方法能有效预测原核生物ncRNA。预测结果还发现两种古细菌的ORF序列在序列特征上与其它细菌和古细菌存在差别。     

基于支持向量聚类的肿瘤表达谱分型识别算法

对肿瘤样本进行准确的分型识别是有效治疗肿瘤的前提。首先,利用方差滤波方法选择肿瘤表达谱中具有最大方差的部分基因作为识别特征集,然后,利用支持向量聚类对肿瘤表达谱进行分型识别。针对多类型样本情况和支持向量聚类中出现的孤立点聚类问题,分别提出了有效的解决办法。对两个肿瘤表达谱数据的测试结果显示,基于支持向量聚类的方法能够准确地对肿瘤样本进行分型识别,同时能够自动发现肿瘤样本真实的亚型数量。     

基于K近邻的蛋白质功能的预测方法

蛋白质功能预测是后基因组时代研究的重要问题之一.利用蛋白质相互作用网络,提出了一种基于K近邻的蛋白质功能的注释方法,该方法首先计算待注释的蛋白质与所有已知功能的蛋白质间的注释环境相似度,选择其中最相似的K个蛋白质,将该K个蛋白质的功能注释进行加权平均,作为待注释的蛋白质最终的功能注释.在构建的芽殖酵母的两组大规模相互作用数据集上的测试表明,该方法能够有效的对蛋白质功能进行预测,在蛋白质功能预测性能上优于现有的一些方法.     

基于模糊支持向量机的膜蛋白分类研究

以氨基酸组成为特征对膜蛋白的分类,忽略了序列残基之间的相关性信息,而采用传统支持向量机算法作为分类算法,在解决多类问题时会出现分类盲区问题。针对这两种情况,计算蛋白质序列的氨基酸组成、二肽组成以及6种氨基酸相关系数,将三类特征结合,作为膜蛋白序列的特征向量;同时采用模糊支持向量机作为分类器,解决了传统支持向量机在多类数据识别中的盲区问题。测试结果表明,在相同特征输入下,模糊支持向量机分类性能优于传统支持向量机;在相同分类器的情况下,氨基酸组成、二肽组成和相关系数组合的特征选择方法的分类性能优于只使用其中一类或两类特征的方法;而采取组合特征和模糊支持向量机相结合的分类策略,在独立性数据集测试中的整体预测精度达到97%,优于现有的多种分类策略,是目前最有效的膜蛋白分类方法之一。     

相关向量机在肿瘤表达谱分类问题中的应用

基因芯片技术能够检测大量基因的表达水平,在肿瘤研究中得到日益广泛的应用。基于基因芯片表达谱的肿瘤分类诊断是肿瘤表达谱研究的一个热点,肿瘤表达谱分类是一个典型的高维度小样本分类问题,描述一个两步策略的分类方法。在测试的基因表达谱中存在大量的非差异表达冗余基因,通过一个有效的基因预选择策略得到一个较小的候选基因子集,然后建立基于相关向量机的分类预测模型。在4个真实的肿瘤表达谱数据上,与几种不同的方法进行比较,结果显示该方法可以得到更好的分类精度,同时表现出很好的稳定性。     

基于动态贝叶斯网构建基因调控网络

动态贝叶斯网络(dynamic bayesian network,DBN)是一种基于时序表达数据构建基因调控网络的重要方法。然而目前的DBN方法因计算时间太长,结构不稳定,准确度低,对有效性有很大影响。根据动态贝叶斯网络的度量可分解性质,将动态贝叶斯网络分为初始网络与转移网络分别进行结构寻优,在寻优时将基于静态贝叶斯网络的最大权重生成树算法与贪婪搜索算法相结合,移植入动态贝叶斯网络中,建立基因调控网络模型。提出了一种从时序数据中构建基因调控网络的方法,克服了贝叶斯网络不能描述循环调控的缺陷,也从规模上简化了网络构建问题。通过与相关实验文献的对照,验证了提出方法的有效性,网络学习时间明显缩短,网络结构更加稳定。     

基于局部支持向量机的蛋白质相互作用的预测方法

针对蛋白质相互作用的预测问题,我们提出了一种基于局部支持向量机的预测方法。该方法充分考虑了蛋白质相互作用数据的局部相似性特征,提出在待测样本附近构建支持向量机模型。对两个真实的蛋白质相互作用数据集H.pylori和Human的测试表明,基于局部支持向量机的预测方法能够有效剔除无用样本对待测样本的负面影响有效地提高了蛋白质相互作用预测的性能与其它方法相比具有一定的优势。     

siRNA活性与mRNA二级结构关系的研究

RNA干扰(RNA interference,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起作用,特殊设计的siRNA能使靶基因发生特异性沉默,确定基因功能或沉默致病基因从而治疗疾病。在RNAi技术的应用中,通常采用的是19bp长度,正、反义链3′端各有2个不配对核苷酸的双链RNA(siRNA)。而合成siRNA模板的选择,即靶mRNA作用位点的选择对RNAi的作用效果的影响相当大,原因之一是因单链的mRNA存在二级结构。本研究试图从具体的实验结果出发,研究靶mRNA二级结构对siRNA活性的影响。     

结合GO体系信息与芯片数据构建肿瘤特征基因网络

我们提出了一种新的肿瘤特征基因调控网络构建方法,首先用P-tree方法快速筛选肿瘤特征基因集;然后结合GO体系中对基因的注释信息与芯片数据信息对特征基因进行聚类;最后通过文献挖掘方法,以聚类获得的每个功能类中的基因为核心,建立肿瘤特征基因功能类网络模块.实验结果表明:本研究的方法明显提高了特征基因筛选速度,网络构建基于生物功能过程进一步细化,同时通过文献挖掘方法在网络中补充入大量与肿瘤特征基因发生直接或间接关系的基因,网络内容更加丰富与条理化.通过结合芯片数据,GO体系与相关文献中信息构建肿瘤特征基因调控网络能够构建更为细致、丰富,并针对具体调控过程的网络模块,为肿瘤的产生,发展与转移过程分析提供有效的指导.