一种基于结构序列相结合模块辨别人类小RNA前体的新方法.ppt

一种基于结构序列藕合模块辨别人类miRNA前体的新方法 * * 刘秀芹 2009.11.15 miRNA的产生 内容提要 miRNA概述 Mirident方法流程结果 与已有的方法的比较 讨论 miRNA的产生——中心法则 Protein Gene mRNA Protein miRNA gene 蛋白基因1 miRNA基因 DNA序列 转录 翻译 转录 pri-miRNA miRNA的产生 行使功能 miRNA的产生 miRNA概述 长约20~25碱基的单链RNA 功能：在对mRNA进行转录后调控 ——mRNA 降解 ——阻止mRNA翻译成蛋白 通过影响mRNA从而对生物体的生长、发育起到重要作用，与肿瘤的形成有很大关系。 miRNA的发现： 试验的方法 计算方法（分类算法） 各种机器学习方法用于预测miRNA. SVM, 随机树，线性规划，隐马氏模型等。 2. 机器学习的方法的关键之一是选取合适的特征。常用的特征： 序列特征(如，保守性，G C含量,) 结构特征(臂的长度，loop长度) 本文想法： 充分挖掘序列和结构耦合的特征。 用耦合特征辨别miRNA和假pre-miRNA. 已有方法的局限性： 受对miRNA认识的限制 一般分别考虑序列和结构的性质，大部分没有充分考虑序列和结构之间的相互关系 Mirident方法流程 准备序列结构(sequence-structure) 寻找耦合特征 用线性SVM对特征进行排序 用支持向量机训练分类器，进行预测 1. 阳性集合准备 (1) hsa.fa是human的678条pre-miRNA序列(hairpin.fa 是所有物种的pre-miRNAs,用hsa.py取出人的)。 (2) 去重复率高于90%的序列，剩638条(quxiangsilian.py)。 (3) 计算二级结构，去多环，剩608条。 算法步骤 (5)用软件 teiresias找457条公共特征(457/608=75%)。 (4)把每个位点的二级结构放在相应的位点后面，形成sequence-structure. ((((((.(((((((.(((.((....)).))).))))))).)))))).. hsa-mi-320-1 MI0008190 Homo sapiens mi-320-1 stem-oop UUCUCGUCCCAGUUCUUCCCAAAGUUGAGAAAAGCUGGGUUGAGAGGA U(U(C(U(C(G(U.C(C(C(A(G(U(U(C.U(U(C(C.C(A(A.A.G.U.U )G)A.G)A)A)A.A)G)C)U)G)G)G)U.U)G)A)G)A)G)G.A. ULULCLULCLGLUDCLCLCLALGLULULCDULULCLCDCLALADADGDUDURGRADGRARARADARGRCRURGRGRGRUdURGRARGRARGRGDAD L代表’(‘ R代表’)’ D表示’.’ 2. 阴性集合准备 (1)、在ucsc下载refseq.fa (2)、过滤剩11426条 (3)、去重复序列，只剩7898条 (6)、用teiresias找457条（457/608=75%）共有的motifs（L=4,W=12,K=457） (5)、把每个位点的二级结构放在相应的位点后面，形成sequence-structure. (4)、随机抽取608条，计算二级结构。 3. Libsvm分类： (1) 把阴性和阳性集合中得到的特征放到一起形成head.txt. 在阳性阴性集合中提取特征向量。 ((((((.(((((((.(((.((....)).))).))))))).)))))).. hsa-mi-320-1 MI0008190 Homo sapiens mi-320-1 stem-oop UUCUCGUCCCAGUUCUUCCCAAAGUUGAGAAAAGCUGGGUUGAGAGGA U(U(C(U(C(G(U.C(C(C(A(G(U(U(C.U(U(C(C.C(A(A.A.G.U.U )G)A.G)A)A)A.A)G)C)U)G)G)G)U.U)G)A)G)A)G)G.A. ULULCLULCLGLUdCLCLCLALGLULULCdULULCLCdCLALAdAdGdUdU RGRAdGRARARAdARGRCRURGRGRGRUdURGRARGRARGRGdAd L代表’(‘ R代表’)’ D表示’.’ 抽取特征向量的过程： 特征 LUL..C在序列hsa-mi-320-1 中的特征向量的分量为2. 它的特征向量为： （2,