本文主要研究内容
作者孙佳伟,张明,王长宝,徐维艳,程科,段先华（2019）在《一种新的融合统计特征的DNA甲基化位点识别方法》一文中研究指出：自动、准确地识别DNA甲基化修饰位点对于研究基因的调控、转录和表达机理,有针对性地开发癌症靶向治疗药物有重要意义.然而,基于核酸频率统计特征和物化属性伪核酸成分统计特征并不能很好地反应DNA甲基化位点的模式信息,所构建的DNA甲基化位点预测器精度也不高.因此,文中提出从3个不同的视角抽取DNA序列上的核酸频次统计信息、位置统计信息和空间结构属性信息,并将其融合为一种新的统计特征向量,然后在相同的基础数据集上采用SVM分类器和严格的Jackknife测试方法进行实验验证.结果表明:该方法构建的预测器较当前最好的iDNA-methyl预测器,在Acc、Mcc和AUC 3个性能指标上分别提高了11.85%、24%和11.3%;该研究表明在DNA甲基化位点预测问题上,核酸序列的频次统计信息、位置统计信息和空间结构属性信息具有较好互补性,这3个视角相融合得到的特征向量能够更好地反映DNA甲基化修饰位点的模式特征,提高DNA甲基化位点的预测精度.
Abstract
zi dong 、zhun que de shi bie DNAjia ji hua xiu shi wei dian dui yu yan jiu ji yin de diao kong 、zhuai lu he biao da ji li ,you zhen dui xing de kai fa ai zheng ba xiang zhi liao yao wu you chong yao yi yi .ran er ,ji yu he suan pin lv tong ji te zheng he wu hua shu xing wei he suan cheng fen tong ji te zheng bing bu neng hen hao de fan ying DNAjia ji hua wei dian de mo shi xin xi ,suo gou jian de DNAjia ji hua wei dian yu ce qi jing du ye bu gao .yin ci ,wen zhong di chu cong 3ge bu tong de shi jiao chou qu DNAxu lie shang de he suan pin ci tong ji xin xi 、wei zhi tong ji xin xi he kong jian jie gou shu xing xin xi ,bing jiang ji rong ge wei yi chong xin de tong ji te zheng xiang liang ,ran hou zai xiang tong de ji chu shu ju ji shang cai yong SVMfen lei qi he yan ge de Jackknifece shi fang fa jin hang shi yan yan zheng .jie guo biao ming :gai fang fa gou jian de yu ce qi jiao dang qian zui hao de iDNA-methylyu ce qi ,zai Acc、Mcche AUC 3ge xing neng zhi biao shang fen bie di gao le 11.85%、24%he 11.3%;gai yan jiu biao ming zai DNAjia ji hua wei dian yu ce wen ti shang ,he suan xu lie de pin ci tong ji xin xi 、wei zhi tong ji xin xi he kong jian jie gou shu xing xin xi ju you jiao hao hu bu xing ,zhe 3ge shi jiao xiang rong ge de dao de te zheng xiang liang neng gou geng hao de fan ying DNAjia ji hua xiu shi wei dian de mo shi te zheng ,di gao DNAjia ji hua wei dian de yu ce jing du .
论文参考文献
论文详细介绍
论文作者分别是来自江苏科技大学学报(自然科学版)的孙佳伟,张明,王长宝,徐维艳,程科,段先华，发表于刊物江苏科技大学学报(自然科学版)2019年02期论文，是一篇关于甲基化论文,统计特征论文,模式信息论文,支持向量机论文,测试论文,江苏科技大学学报(自然科学版)2019年02期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自江苏科技大学学报(自然科学版)2019年02期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：甲基化论文; 统计特征论文; 模式信息论文; 支持向量机论文; 测试论文; 江苏科技大学学报(自然科学版)2019年02期论文;