利用支持向量机识别miRNA成熟链  

Idetification of mature microRNA on the precursor using ab initio prediction method

作　　者：吴方丽[1,2] 金伟波[1] 段敏[1] 王保莉[1] 曲东[3] 

机构地区：[1]西北农林科技大学生命科学学院 [2]西北农林科技大学植物保护学院 [3]西北农林科技大学资源环境学院,陕西杨凌712100

出　　处：《西北农林科技大学学报（自然科学版）》2009年第3期219-222,共4页Journal of Northwest A&F University(Natural Science Edition)

基　　金：国家自然科学基金(30771442);陕西省自然科学基金(SJ08-ZT04);浙江省"生物医学工程"重中之重开放基金(SWYX0819);西北农林科技大学人才专项基金(01140412)

摘　　要：【目的】开发一个用于从pre-miRNA上识别其成熟链的miRNA预测程序miR-SVM。【方法】利用支持向量机工具,将pre-miRNA的序列结构特征作为支持向量机工具——LibSVM的输入向量,经Grid程序优化参数后,开发出一个可靠的miRNA成熟链预测程序miR-SVM。【结果】检测结果表明,在miR-SVM人数据集上得到程序的敏感性和特异性分别为83.7%和81.2%。通过杂交验证,获得ROC曲线下的面积约为87.71%,表明研究提出的序列结构特征可以有效地预测pre-miRNA成熟链。此外,用人数据训练出来的miR-SVM程序对其他20个物种的pre-miRNA成熟链进行预测,结果正确识别率为89.2%。【结论】研究开发的miR-SVM程序,成功地预测了pre-miRNA成熟链,检验结果表明,该程序具有良好的推广性,可用于miRNA试验过程中的前期预测分析。[Objective] The research predicted mature strand on the miRNA precursor. [Method] A program,miR-SVM,was developed based on support vector machine for identifying mature strand on pre- miRNA. To optimize the SVM classifier, the penalty parameter C and the RBF kernel parameter 7 were ad- justed based on the training set data using the grid search strategy in LibSVM. [Result] The miR-SVM had the sensitivity of 83.7% and specificity of 81.2% respectively on human data. The ROC of the model was plotted with the specificity and the sensitivity from the results, and gave an area under the ROC curve of 87.71%. Interestingly,the miR-SVM classifier built on human data can correctly identify up to 89.2% of the real miRNAs from 20 other species. [Conclusion] The successful detection of mature strand on the precursors provides a reliable method for predicting mature miRNAs from their precursors.

关 键 词：MIRNA 成熟链 预测分析 支持向量机 

分 类 号：Q811.4[生物学—生物工程]