[發(fā)明專利]基于Adaboost、BP神經(jīng)網(wǎng)絡(luò)和隨機森林融合的mirco-RNA前體識別方法

在審

• 申請?zhí)枺?/td>: 201910141438.4
• 申請日: 2019-02-26
• 公開（公告）號: CN109872773A
• 公開（公告）日: 2019-06-11
• 發(fā)明（設(shè)計）人: 胡楊;逄龍;程亮;張凝一;趙天意
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號: G16B20/00
• 分類號: G16B20/00;G06N3/04
• 代理公司: 北京天奇智新知識產(chǎn)權(quán)代理有限公司 11340
• 代理人: 范光曄

本發(fā)明提供了一種基于Adaboost、BP神經(jīng)網(wǎng)絡(luò)和隨機森林融合的mirco?RNA前體識別方法，屬于mirco?RNA前體識別方法技術(shù)領(lǐng)域。本發(fā)明從pre?miRNA序列中提取N個特征；通過提取特征及其相應(yīng)的標(biāo)簽建立N/2個BP分類器和N/2個RF分類器；在訓(xùn)練和建立分類器時，計算每個分類器獲得的相應(yīng)權(quán)重；通過組合弱權(quán)重分布的分類器獲得強分類器。本發(fā)明可以避免傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)和RF算法分類器過度擬合和不穩(wěn)定的缺點，整合了多個弱分類器并將權(quán)重分配給它們；最后，獲得了具有高精度和穩(wěn)定性的強分類器，可以獲得高預(yù)測準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于Adaboost、BP神經(jīng)網(wǎng)絡(luò)和隨機森林融合的mirco-RNA前體識別方法，屬于mirco-RNA前體識別方法技術(shù)領(lǐng)域。

背景技術(shù)

微小RNA(miRNA)是一組非編碼的短(約21nt)RNA，其作為細(xì)胞生物過程中的調(diào)節(jié)劑起重要作用。pre-miRNA的識別和發(fā)現(xiàn)有助于理解調(diào)節(jié)過程，miRNA和其他基因的功能，以及更多的生物進化。大多數(shù)miRNA的生物發(fā)生機制被認(rèn)為是相似的：miRNA來自pre-miRNA，其包括不完美的發(fā)夾結(jié)構(gòu)，然后在cy-toplasm中，成熟形式通過Dicer核酸內(nèi)切酶的作用產(chǎn)生。由于miRNA的重要性，miRNA的準(zhǔn)確鑒定是重新研究miRNA功能和轉(zhuǎn)錄后遺傳過程的首要任務(wù)。

有兩種識別miRNA的方法，傳統(tǒng)的實驗方法(耗費時間和金錢)和計算方法。因此，近年來越來越重視計算方法的發(fā)展。計算方法的重點是使用機器學(xué)習(xí)技術(shù)來區(qū)分真正的pre-miRNA和偽pre-miRNA(具有類似發(fā)夾狀的第二結(jié)構(gòu))。

在神經(jīng)網(wǎng)絡(luò)分類器中，BP神經(jīng)網(wǎng)絡(luò)因其強大的自學(xué)習(xí)能力而成為一種廣泛使用的算法，特別適用于解決內(nèi)部機制問題。另一方面，隨機森林(RF)算法也是用于pre-miRNA識別的強大分類算法。與其他分類器相比，RF算法在解決所提出的高維特征集方面具有優(yōu)越的優(yōu)勢。然而，這兩種算法傾向于過度擬合并且輸出不穩(wěn)定。因此，提出了一種新的算法，將多個BP神經(jīng)網(wǎng)絡(luò)分類器和多個RF算法分類器與一個名為BRAda算法(為本發(fā)明基于Adaboost、BP神經(jīng)網(wǎng)絡(luò)和隨機森林融合的mirco-RNA前體識別方法的縮寫)的新型Adaboost框架相結(jié)合，通過Adaboost框架分配分類器權(quán)重，可以獲得高精度和可靠性。基于所提出的特征集和新算法的用于pre-miRNA識別的分類器。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決上述現(xiàn)有技術(shù)存在的問題，進而提供一種基于Adaboost、BP神經(jīng)網(wǎng)絡(luò)和隨機森林融合的mirco-RNA前體識別方法。

本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的：

步驟1：從pre-miRNA序列中提取N個特征，N取98，則提取98維特征；

步驟2：通過提取特征及其相應(yīng)的標(biāo)簽建立N/2個BP分類器和N/2個RF分類器；

步驟3：在訓(xùn)練和建立分類器時，計算每個分類器獲得的相應(yīng)權(quán)重；

步驟4：組合弱權(quán)重分布的分類器獲得強分類器。

所述步驟1中從pre-miRNA序列中提取N個特征包括一級序列特征和二級序列特征；

所述一級序列特征為N-Gram頻率，選擇N值為3，在指定序列的三核苷酸組中存在64個組合，獲得總共64維頻率特征作為N-Gram頻率特征；

所述二級序列特征包括三重結(jié)構(gòu)序列、堿基對含量特征和MFE功能；其中，所述三重結(jié)構(gòu)序列為對于任何三個核苷酸單元，有8個可能的組合，考慮三個字符組的第一個核苷酸，有32個不同的組合；所述堿基對含量特征為miRNA序列中的核苷酸配對G-C配對的頻率；MFE功能為最小自由能。

所述步驟2中相應(yīng)標(biāo)簽為0表示陰性樣本，1表示陽性樣本。