基于Laplacian支持向量机和序列信息的microRNA-结合残基预测

马昕¹(),王雪²

1. 南京审计大学统计与数学学院, 江苏 南京 211815
2. 南京审计大学实验中心, 江苏 南京 211815

收稿日期:2019-06-06出版日期:2020-04-20发布日期:2020-04-16

作者简介:马昕(1982—)，女，江苏镇江人，副教授，博士，硕士生导师，主要研究方向为生物信息学，机器学习. E-mail：maxin@nau.edu.cn

Prediction of microRNA-binding residues based on Laplacian support vector machine and sequence information

Xin MA¹(),Xue WANG²

1. School of Statistics and Mathematics, Nanjing Audit University, Nanjing 211815, Jiangsu, China
2. Experimental Center, Nanjing Audit University, Nanjing 211815, Jiangsu, China

Received:2019-06-06Online:2020-04-20Published:2020-04-16

摘要/Abstract

摘要： 提出一种半监督学习算法预测蛋白质序列中microRNA-结合残基的新式的方法。通过Laplacian支持向量机(Laplacian support vector machine，LapSVM)算法结合新提出的混合特征构建预测模型。混合特征是由三类信息组合获得：二级结构信息、HKM特征和新提出的氨基酸理化特性和进化信息结合的特征。比较各种特征的预测性能，新提出的这一特征对预测性能的提高贡献最大。结果表明，通过特征选择，本研究构建的预测模型准确性达到88.72%，敏感性达到54.18%，特异性达到91.15%，明显优于其他方法。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1912