[發(fā)明專(zhuān)利]一種釀酒酵母菌中DNA復(fù)制起點(diǎn)的預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010636957.0
• 申請(qǐng)日: 2020-07-03
• 公開(kāi)（公告）號(hào): CN111755074B
• 公開(kāi)（公告）日: 2022-05-17
• 發(fā)明（設(shè)計(jì)）人: 樊永顯;王婉茹
• 申請(qǐng)（專(zhuān)利權(quán)）人: 桂林電子科技大學(xué)
• 主分類(lèi)號(hào): G16B40/00
• 分類(lèi)號(hào): G16B40/00;G16B30/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 桂林市華杰專(zhuān)利商標(biāo)事務(wù)所有限責(zé)任公司 45112
• 代理人: 楊雪梅

本發(fā)明公開(kāi)了一種釀酒酵母菌中DNA復(fù)制起點(diǎn)的預(yù)測(cè)方法，步驟為：獲取釀酒酵母菌中的正樣本序列和負(fù)樣本序列；使用二進(jìn)制編碼法和PSEKNC?I兩種方法提取特征；使用F?score和IFS方法對(duì)PSEKNC?I法得到的特征進(jìn)行篩選，得到預(yù)篩選特征；將二進(jìn)制編碼法得到特征和預(yù)篩選特征進(jìn)行組合，獲得特征組合后的樣本數(shù)據(jù)集；構(gòu)建CNN預(yù)測(cè)模型并訓(xùn)練，輸入數(shù)據(jù)獲得初步預(yù)測(cè)結(jié)果；調(diào)整訓(xùn)練后CNN預(yù)測(cè)模型中參數(shù)，對(duì)訓(xùn)練后的CNN預(yù)測(cè)模型進(jìn)行優(yōu)化；使用五折交叉驗(yàn)證法對(duì)優(yōu)化后的CNN預(yù)測(cè)模型進(jìn)行評(píng)估最終得到最優(yōu)的CNN預(yù)測(cè)模型，將數(shù)據(jù)輸入最優(yōu)模型中，得到最終的預(yù)測(cè)結(jié)果。該方法提取多種DNA信息中的特征，減少了計(jì)算時(shí)間，避免過(guò)擬合現(xiàn)象，選出最優(yōu)的分類(lèi)模型，提高了預(yù)測(cè)復(fù)制起點(diǎn)預(yù)測(cè)的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及生物信息學(xué)中序列相互作用的分類(lèi)預(yù)測(cè)技術(shù)領(lǐng)域，具體是一種釀酒酵母菌中DNA復(fù)制起點(diǎn)的預(yù)測(cè)方法。

背景技術(shù)

近年來(lái)，生物信息學(xué)和計(jì)算機(jī)科學(xué)相結(jié)合而衍生出一個(gè)新的研究方向，即以核苷酸、蛋白質(zhì)、基因序列數(shù)據(jù)集作為主要研究對(duì)象，并利用數(shù)學(xué)、信息學(xué)、計(jì)算機(jī)科學(xué)等手段，以計(jì)算機(jī)硬件、軟件和計(jì)算機(jī)網(wǎng)絡(luò)為主要工具，對(duì)數(shù)量極其龐大的原始數(shù)據(jù)進(jìn)行存儲(chǔ)、管理、注釋、加工，使之成為具有明確生物意義的生物信息。并通過(guò)對(duì)生物信息的查詢(xún)、探索、比較、分析，從中獲取基因編碼、基因調(diào)控、核苷酸和蛋白質(zhì)結(jié)構(gòu)功能機(jī)器相互關(guān)系等理性知識(shí)。在大量的信息和知識(shí)的基礎(chǔ)上，探索生命起源、生物進(jìn)化以及細(xì)胞器官和個(gè)體的發(fā)生、發(fā)育病變、衰亡等生命科學(xué)重大的問(wèn)題，搞清他們的基本規(guī)律和時(shí)空聯(lián)系。最終通過(guò)對(duì)生物實(shí)驗(yàn)數(shù)據(jù)的獲取、加工、存儲(chǔ)檢索和分析，進(jìn)而達(dá)到節(jié)食數(shù)據(jù)所蘊(yùn)含的生物學(xué)意義的目的。就基因組來(lái)說(shuō)，得到序列僅僅是第一步，后一步工作是所謂基因組時(shí)代的任務(wù)，及收集、整理、檢索和分析序列中表達(dá)的結(jié)構(gòu)和功能信息，找出規(guī)律。

生命的傳承以及基因的傳遞依靠的主要方式就是DNA的復(fù)制，而復(fù)制起點(diǎn) (ORI)決定著復(fù)制的開(kāi)始，準(zhǔn)確地識(shí)別復(fù)制起點(diǎn)不僅有助于優(yōu)化基因的表達(dá)，并且可以給遺傳病中的新藥研究提供新的策略。復(fù)制起始在時(shí)間、位置上的錯(cuò)誤以及復(fù)制過(guò)程中核苷酸的錯(cuò)配，均會(huì)導(dǎo)致DNA序列突變、基因組重組等事件的發(fā)生，增加錯(cuò)誤遺傳信息的傳遞，增強(qiáng)細(xì)胞基因組的不穩(wěn)定性。這樣就會(huì)直接影響到細(xì)胞的正常分裂和胚胎的正常發(fā)育，也與癌癥以及眾多遺傳疾病的發(fā)生密切相關(guān)因此，準(zhǔn)確鑒定DNA復(fù)制起點(diǎn)在基因研究中至關(guān)重要。

迄今為止，已經(jīng)有很多針對(duì)于ORI的研究，這些研究都取得一定的成果。 2004年，Cozzarelli課題組利用復(fù)制起始區(qū)富含AT堿基的自復(fù)制一致性序列 (ACS)和富含A堿基的3'區(qū)域作為序列特征，通過(guò)Oriscan算法對(duì)酵母復(fù)制起始位點(diǎn)進(jìn)行了預(yù)測(cè)。2014年，Li通過(guò)計(jì)算GC profile和GC skew的值去分析釀酒酵母基因的組分偏差，利用一型偽核苷酸組分來(lái)提取序列信息并構(gòu)建了一個(gè)在線預(yù)測(cè)器iORI-PseKNC去識(shí)別釀酒酵母的復(fù)制起始位點(diǎn)序列。2016年，Zhang 初次嘗試構(gòu)建人類(lèi)ORI數(shù)據(jù)集，并基于隨機(jī)森林分類(lèi)器用一型偽核苷酸組分提取信息構(gòu)建iOri-Human在線預(yù)測(cè)器來(lái)識(shí)別人類(lèi)ORIs。

發(fā)明內(nèi)容

本發(fā)明的目的在于解決現(xiàn)有的DNA復(fù)制起點(diǎn)的預(yù)測(cè)準(zhǔn)確率的問(wèn)題，而提供一種釀酒酵母菌中DNA復(fù)制起點(diǎn)的預(yù)測(cè)方法，該預(yù)測(cè)方法可以提取多種DNA 信息中的特征，還減少計(jì)算時(shí)間，避免出現(xiàn)過(guò)擬合現(xiàn)象，同時(shí)還構(gòu)建出最優(yōu)的分類(lèi)模型，提高預(yù)測(cè)復(fù)制起點(diǎn)的準(zhǔn)確率。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案是：

一種釀酒酵母菌中DNA復(fù)制起點(diǎn)的預(yù)測(cè)方法，包括如下步驟：

1)獲取樣本數(shù)據(jù)集：獲取釀酒酵母菌中的正樣本序列和負(fù)樣本序列；

2)特征提取：使用二進(jìn)制編碼法和PSEKNC-I兩種方法表示樣本序列，即使用一個(gè)向量表示每一條NDA序列；

3)特征選擇：使用F-score方法和增量特征選擇方法(Incremental FeatureSelect，IFS)對(duì)步驟2)中使用PSEKNC-I法得到的特征進(jìn)行篩選，得到預(yù)篩選特征；