基于阶乘矩及时间序列方法识别人类基因编码区研究.pdfVIP

基于阶乘矩及时间序列方法识别人类基因编码区膏 高婷婷 彭志红 陈杰 刘毅 (北京理工大学，自动控制系，北京100081) gttel23@sina．corn 三种长度外显子为对象，运用阶乘矩和时间序列方法将生物位点特征、统计特征相结合，在 较高精度上识别外显子特别是较长和较短的外显子。通过使外显子与内含子差异最大的 子序列的阶乘矩，突显外显子和内含子统计特性差别。再采用时间序列Time-Delay embedding方法将得到的数据展开成二维空间，进一步突出统计特性差异，并在第三维空间 加入生物位点特征。最后用贪婪算法进行聚类，得到短外显子sn为0．70，平均长度外显子 Sn为0．92，长外显子sn为0．78。本项目研究结果在保证一般长度外显子识别精度的同时 解决目前对较长及较短外显子识别精度普遍低下的问题，有较高的精度和较强的学习能力。 关键词：编码区外显子阶乘矩时间序列k=tuple特征量 and FactorialiMomentbased Time-DelayEmbedding 。Human．Genome Identification* CodingRegion Crao Yi Iie,Lin Tingting,PengZhihong．Chen ofInformationScienceand College Technology， Institute China Beijing ofTechnology，B；eijing，100081，P．R 86—010-6891246911gttdl23@sina．com‘ on new Factorial Abstract：Basedstatisfical patternrecognition，aalgoiithm,whichemploys functionalsitesandexonsforhuman Moment@峋andTime-Delayembedding．forrecognizing isintroduced：FirStof is tODNA tO、‘obfionFMfeature genome all,--k-tupleapplied sequence variant．Then．threekindsof and forFMinordertOfmd windOws,50bp,lOObp200bp,are,chosen short(50bp)，middle(aroundlOObp)and dismissesthe results introducesthethird Time·Delay fuzzy broughtby‘FM,and embcdding adds searchisthen tOsearch dimension，which biologioalcharacters．Finally，G