哈尔滨医科大学学报
哈爾濱醫科大學學報
합이빈의과대학학보
JOURNAL OF HARBIN MEDICAL UNIVERSITY
2012年
1期
23-26
,共4页
启动子识别%支持向量机%共识模型%双层SVM%生物统计学
啟動子識彆%支持嚮量機%共識模型%雙層SVM%生物統計學
계동자식별%지지향량궤%공식모형%쌍층SVM%생물통계학
目的 优选对人类RNA聚合酶(Pol)Ⅱ启动子数据识别分类并提高识别准确率的方法.方法 采用基于知识的统计编码方法、CpG编码、五联体(Pentamers)编码、模式字典(Pattern Dictionary)编码,最后建立共识模型,使用支持向量机(SVM)方法对启动子数据进行分类.结果 启动子数据编码后在SVM中识剐,与其他利用SVM工具相比,得到了较高的识别准确率、特异性及灵敏度.将新编码方法应用到人类22号染色体启动子数据的识别中,其中模式字典编码识别准确率达到了90.98％.结论 共识模型考虑了各子模型的独立性和模型之间的差异性,发挥了各模型之间的互补优势,从而提高了最终的识别准确率.
目的 優選對人類RNA聚閤酶(Pol)Ⅱ啟動子數據識彆分類併提高識彆準確率的方法.方法 採用基于知識的統計編碼方法、CpG編碼、五聯體(Pentamers)編碼、模式字典(Pattern Dictionary)編碼,最後建立共識模型,使用支持嚮量機(SVM)方法對啟動子數據進行分類.結果 啟動子數據編碼後在SVM中識剮,與其他利用SVM工具相比,得到瞭較高的識彆準確率、特異性及靈敏度.將新編碼方法應用到人類22號染色體啟動子數據的識彆中,其中模式字典編碼識彆準確率達到瞭90.98％.結論 共識模型攷慮瞭各子模型的獨立性和模型之間的差異性,髮揮瞭各模型之間的互補優勢,從而提高瞭最終的識彆準確率.
목적 우선대인류RNA취합매(Pol)Ⅱ계동자수거식별분류병제고식별준학솔적방법.방법 채용기우지식적통계편마방법、CpG편마、오련체(Pentamers)편마、모식자전(Pattern Dictionary)편마,최후건립공식모형,사용지지향량궤(SVM)방법대계동자수거진행분류.결과 계동자수거편마후재SVM중식과,여기타이용SVM공구상비,득도료교고적식별준학솔、특이성급령민도.장신편마방법응용도인류22호염색체계동자수거적식별중,기중모식자전편마식별준학솔체도료90.98％.결론 공식모형고필료각자모형적독립성화모형지간적차이성,발휘료각모형지간적호보우세,종이제고료최종적식별준학솔.
