[發明專利]一種預測miRNA靶基因的序列特征分析方法

有效

• 申請號: 201611081932.9
• 申請日: 2016-11-30
• 公開（公告）號: CN106599615B
• 公開（公告）日: 2019-04-05
• 發明（設計）人: 鄒小勇;夏飛迪;王洋;戴宗
• 申請（專利權）人: 廣東順德中山大學卡內基梅隆大學國際聯合研究院;中山大學;廣東工業大學
• 主分類號: G16B20/30
• 分類號: G16B20/30;G16B40/00
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種預測miRNA靶基因的序列特征分析方法，其特征在于，包括如下步驟：

S1：收集數據集，構造正負樣本

選擇CLASH數據集作為正樣本，并根據該數據集構造負樣本，將CLASH數據集中的miRNA與靶位點序列隨機配對，刪除其中的正樣本，再從剩余的數據集中隨機選擇18514條作為負樣本；

S2：根據傳統特征的計算方法，計算樣本傳統特征的特征值

根據傳統特征的計算方法，計算每一個樣本傳統特征的特征值，并結合特征值構建樣本特征向量，所述傳統特征包括：miRNA與其靶位點結合成雙鏈的最小自由能、miRNA種子區域配對、靶位點可接入性、種子區域附近AU含量、種子區域的保守性、側翼鏈的保守性、雙鏈配對個數、靶位點長度、最長連續配對長度、最長連續序列位置、miRNA3’端的配對數目、miRNA種子區與3’端配對差、miRNA偽二核苷酸特征、靶位點序列偽二核苷酸特征、靶位點AC個數、靶位點UG個數、靶位點AG個數、靶位點CG個數、靶位點GC含量、靶位點上游GC含量和靶位點3’端GC含量；

S3：計算miRNA與靶位點結合序列特征，并構建樣本特征向量

采用改進的Smith-Waterman方法將正負樣本進行序列匹配，并轉換為二進制序列；再根據正樣本序列匹配的情況構造權重向量w，并以此向量計算正負樣本的序列匹配得分特征；提出了miRNA-靶位點配對序列特征，結合傳統特征，組成了一個包含84個特征值的特征集合；

S4：構建模型進行miRNA靶基因識別

采用隨機森林的方法構建miRNA靶基因預測模型，并訓練模型的參數；

S5：模型測試。

2.根據權利要求1所述的方法，其特征在于，步驟S1的具體方法為：

S11.從CLASH數據集選擇正樣本數據，所述正樣本數據包含miRNA名、miRNA序列、靶位點所屬的mRNA名、靶位點在mRNA上的起始位置、靶位點在mRNA上的終止位置和靶位點序列；

其中，所述靶位點所屬的mRNA名取自ENSEMBL數據庫；

S12.將正樣本中所涉及到的miRNA和靶位點信息隨機匹配，去除掉其中的正樣本，然后從中隨機抽選18514條數據，作為負樣本；其中，正負樣本比例為1：1。

3.根據權利要求1所述的方法，其特征在于，步驟S2的具體方法為：選擇miRNA與其靶基因結合的傳統特征，并根據特征描述計算其特征值；