基于支持向量机的供体剪接位点识别  

Recognition of donor splice sites based on support vector machine

作　　者：曾莹[1] Zeng Ying

机构地区：[1]湖南农业大学东方科技学院,湖南长沙410128

出　　处：《数码设计》2018年第12期82-82,共1页Peak Data Science

基　　金：湖南农业大学东方科技学院2016年青年科学基金项目(16QNZ01):基于机器学习的分子序列信号位点识别研究.

摘　　要：剪接位点识别是基因识别中的关键环节。本文对待测样本采用0/1编码,以表征各位置上的碱基,并结合碱基二联体出现的频次,最后采用支持向量机(SVM)进行分类决策。HS3D数据集上的仿真结果显示,本方法获得的预测精度为92.84%。splicing site recognition is the key link in gene recognition. In this paper, the test samples are encoded with 0 / 1 encoding to represent the bases at each position, and the occurrence frequency of the base dimer is combined. Finally, support vector machine ( SVM) is adopted to make classification decisions. The simulation results on HS3D data set show that the prediction accuracy obtained by this method is 92. 84%.

关 键 词：剪接位点 基因识别 支持向量机(SVM) 0/1编码 

分 类 号：Q271[生物学—细胞生物学]