本發(fā)明專利技術(shù)的啟動子識別系統(tǒng)的構(gòu)建方法和裝置，將包含多條基因序列的數(shù)據(jù)集劃分為具有預(yù)設(shè)屬性的第一數(shù)據(jù)子集和不具有預(yù)設(shè)屬性的第二數(shù)據(jù)子集；并分別提取第一、第二數(shù)據(jù)子集的多種預(yù)設(shè)特征，所述預(yù)設(shè)特征包括基因剛性特征；之后，對特征提取所得的多個特征數(shù)據(jù)集合進(jìn)行建模，得到構(gòu)成啟動子識別系統(tǒng)所需的各個子分類器模型?？梢?，本發(fā)明專利技術(shù)在構(gòu)建人類基因啟動子識別系統(tǒng)時，考慮了基因結(jié)構(gòu)特征(如基因剛性特征)，通過提取基因數(shù)據(jù)的基因剛性特征，并將提取的基因剛性特征作為訓(xùn)練數(shù)據(jù)進(jìn)行建模，使最終的識別系統(tǒng)具備了結(jié)合基因結(jié)構(gòu)特征識別啟動子的能力，提升了系統(tǒng)的識別性能。
【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于基因啟動子的預(yù)測與識別
，尤其涉及一種啟動子識別系統(tǒng)的 構(gòu)建方法和裝置。
技術(shù)介紹
當(dāng)前，人類基因表達(dá)調(diào)控已成為一個極具挑戰(zhàn)性的研宄方向，而啟動子識別對整 個基因組功能的詮釋具有重要作用，因此如何又好又快地識別人類啟動子，成為本領(lǐng)域的 一個研宄熱點。 現(xiàn)有的啟動子識別系統(tǒng)不具備基于基因結(jié)構(gòu)特征識別啟動子的能力，即無法 利用基因的結(jié)構(gòu)特征來識別啟動子。譬如，梅麗等人在《Human Promoter Recognition Algorithm》中設(shè)計的基于SVM(支持向量機(jī)，Support Vector Machine)的啟動子分類 識別算法，共包含兩級分類系統(tǒng)，分別基于基因的CpG島特征及KL (Kul lback - LeibIer divergence，相對j：商）詞頻統(tǒng)計特征來識別啟動子，不具備結(jié)合基因結(jié)構(gòu)特征識別啟動子 的能力，導(dǎo)致系統(tǒng)的識別性能較差。
技術(shù)實現(xiàn)思路
有鑒于此，本專利技術(shù)的目的在于提供一種啟動子識別系統(tǒng)的構(gòu)建方法和裝置，旨在 解決現(xiàn)有識別系統(tǒng)因不具備利用基因結(jié)構(gòu)特征識別啟動子的能力，而導(dǎo)致識別性能較差這 一問題。 為此，本專利技術(shù)公開如下技術(shù)方案： -種啟動子識別系統(tǒng)的構(gòu)建方法，包括： 將包含N條基因序列的數(shù)據(jù)集劃分為第一數(shù)據(jù)子集和第二數(shù)據(jù)子集，所述第一數(shù) 據(jù)子集具有預(yù)設(shè)屬性； 分別提取所述第一數(shù)據(jù)子集及所述第二數(shù)據(jù)子集中各基因序列的P種預(yù)設(shè)特 征，相應(yīng)得到P個第一訓(xùn)練特征子集及P個第二訓(xùn)練特征子集；所述預(yù)設(shè)特征包括基因剛性 特征，N、P為大于1的自然數(shù)； 分別對所述P個第一訓(xùn)練特征子集及所述P個第二訓(xùn)練特征子集進(jìn)行分類建模， 得到P個第一子分類器模型及P個第二分類器模型，各個所述子分類器模型構(gòu)成啟動子識 別系統(tǒng)的分類識別模型。 上述方法，優(yōu)選的，所述預(yù)設(shè)屬性為基因的CG堿基偏好。 上述方法，優(yōu)選的，所述預(yù)設(shè)特征還包括CpG島特征及相對j：商KL詞頻統(tǒng)計特征。 上述方法，優(yōu)選的，所述分別提取所述第一數(shù)據(jù)子集及所述第二數(shù)據(jù)子集中各基 因序列的P種預(yù)設(shè)特征，相應(yīng)得到P個第一訓(xùn)練特征子集及P個第二訓(xùn)練特征子集，包括： 分別提取第一數(shù)據(jù)子集及第二數(shù)據(jù)子集中各基因序列的基因剛性特征，得到第一 剛性特征子集及第二剛性特征子集； 分別提取第一數(shù)據(jù)子集及第二數(shù)據(jù)子集中各基因序列的CpG島特征，得到第一 CpG島特征子集及第二CpG島特征特征子集； 分別提取第一數(shù)據(jù)子集及第二數(shù)據(jù)子集中各基因序列的KL詞頻統(tǒng)計特征，得到 第一 KL詞頻統(tǒng)計特征子集及第二KL詞頻統(tǒng)計特征子集。 上述方法，優(yōu)選的，所述分別對所述P個第一訓(xùn)練特征子集及所述P個第二訓(xùn)練特 征子集進(jìn)行分類建模為： 使用支持向量機(jī)SVM模型分別對所述P個第一訓(xùn)練特征子集及所述P個第二訓(xùn)練 特征子集進(jìn)行分類建模。 上述方法，優(yōu)選的，還包括： 利用構(gòu)建的所述分類識別模型對待測數(shù)據(jù)進(jìn)行類別判決，以識別所述待測數(shù)據(jù)是 否為啟動子。 一種啟動子識別系統(tǒng)的構(gòu)建裝置，包括： 劃分模塊，用于將包含N條基因序列的數(shù)據(jù)集劃分為第一數(shù)據(jù)子集和第二數(shù)據(jù)子 集，所述第一數(shù)據(jù)子集具有預(yù)設(shè)屬性； 特征提取模塊，用于分別提取所述第一數(shù)據(jù)子集及所述第二數(shù)據(jù)子集中各基因序 列的P種預(yù)設(shè)特征，相應(yīng)得到P個第一訓(xùn)練特征子集及P個第二訓(xùn)練特征子集；所述預(yù)設(shè)特 征包括基因剛性特征，N、P為大于1的自然數(shù)； 建模模塊，用于分別對所述P個第一訓(xùn)練特征子集及所述P個第二訓(xùn)練特征子集 進(jìn)行分類建模，得到P個第一子分類器模型及P個第二分類器模型，各個所述子分類器模型 構(gòu)成啟動子識別系統(tǒng)的分類識別模型。 上述裝置，優(yōu)選的，所述特征提取模塊包括： 第一特征提取單元，用于分別提取第一數(shù)據(jù)子集及第二數(shù)據(jù)子集中各基因序列的 基因剛性特征，得到第一剛性特征子集及第二剛性特征子集； 第二特征提取單元，用于分別提取第一數(shù)據(jù)子集及第二數(shù)據(jù)子集中各基因序列的 CpG島特征，得到第一 CpG島特征子集及第二CpG島特征特征子集； 第三特征提取單元，用于分別提取第一數(shù)據(jù)子集及第二數(shù)據(jù)子集中各基因序列的 KL詞頻統(tǒng)計特征，得到第一 KL詞頻統(tǒng)計特征子集及第二KL詞頻統(tǒng)計特征子集。 上述裝置，優(yōu)選的，所述建模模塊為： 建模單元，用于使用支持向量機(jī)SVM模型分別對所述P個第一訓(xùn)練特征子集及所 述P個第二訓(xùn)練特征子集進(jìn)行分類建模。 上述裝置，優(yōu)選的，還包括： 識別模塊，用于利用構(gòu)建的所述分類識別模型對待測數(shù)據(jù)進(jìn)行類別判決，以識別 所述待測數(shù)據(jù)是否為啟動子。 由以上方案可知，本專利技術(shù)將包含多條基因序列的數(shù)據(jù)集劃分為具有預(yù)設(shè)屬性的第 一數(shù)據(jù)子集和不具有預(yù)設(shè)屬性的第二數(shù)據(jù)子集；并分別提取第一、第二數(shù)據(jù)子集的多種預(yù) 設(shè)特征，所述預(yù)設(shè)特征包括基因剛性特征；之后，對特征提取所得的多個特征數(shù)據(jù)集合進(jìn)行 建模，得到構(gòu)成啟動子識別系統(tǒng)所需的各個子分類器模型?？梢?，本專利技術(shù)在構(gòu)建人類基因啟 動子識別系統(tǒng)時，考慮了基因結(jié)構(gòu)特征（如基因剛性特征），通過提取基因數(shù)據(jù)的基因剛性 特征，并將提取的基因剛性特征作為訓(xùn)練數(shù)據(jù)進(jìn)行建模，使最終的識別系統(tǒng)具備了結(jié)合基 因結(jié)構(gòu)特征識別啟動子的能力，提升了系統(tǒng)的識別性能?！靖綀D說明】 為了更清楚地說明本專利技術(shù)實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 專利技術(shù)的實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù) 提供的附圖獲得其他的附圖。 圖1是本專利技術(shù)實施例一提供的啟動子識別系統(tǒng)構(gòu)建方法的一種流程圖； 圖2是本專利技術(shù)實施例二提供的啟動子識別系統(tǒng)構(gòu)建當(dāng)前第1頁1 2 本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點】
一種啟動子識別系統(tǒng)的構(gòu)建方法，其特征在于，包括：將包含N條基因序列的數(shù)據(jù)集劃分為第一數(shù)據(jù)子集和第二數(shù)據(jù)子集，所述第一數(shù)據(jù)子集具有預(yù)設(shè)屬性；分別提取所述第一數(shù)據(jù)子集及所述第二數(shù)據(jù)子集中各基因序列的P種預(yù)設(shè)特征，相應(yīng)得到P個第一訓(xùn)練特征子集及P個第二訓(xùn)練特征子集；所述預(yù)設(shè)特征包括基因剛性特征，N、P為大于1的自然數(shù)；分別對所述P個第一訓(xùn)練特征子集及所述P個第二訓(xùn)練特征子集進(jìn)行分類建模，得到P個第一子分類器模型及P個第二分類器模型，各個所述子分類器模型構(gòu)成啟動子識別系統(tǒng)的分類識別模型。
【技術(shù)特征摘要】
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張莉，徐文軒，張召，王邦軍，李凡長，楊季文，
申請(專利權(quán))人：蘇州大學(xué)張家港工業(yè)技術(shù)研究院，
類型：發(fā)明
國別省市：江蘇;32
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。