基于机器学习的RNA干扰效率研究

论文摘要

自RNA干扰于1998年发现之后,RNA干扰已经成为了抑制基因表达的有效工具,已广泛应用在基因功能分析,疾病治疗、药物靶标发现以及抗肿瘤研究等方面。在RNA干扰的过程中,最重要的一步是设计高效的siRNA。虽然目前已经提出了一些预测方法,但存在着考虑因素单一、样本量小且大多是实验经验的定性总结等缺陷。因此,如何综合考虑各种因素从而设计高效的siRNA仍然是一项具有挑战性的工作。另外,针对目前mRNA二级结构是否与RNA干扰效率相关的矛盾结论,本文还对mRNA二级结构与RNA干扰效率的关系进行了研究。随着实验样本的增加,使得采用机器学习方法来研究RNA干扰效率成为了可能。为了构建分类器,我们首先利用siRecords数据库构建了分类器所需的训练集及测试集。对于每个样本,我们分别从siRNA序列碱基特征、siRNA序列片段特征、热力学特征及结构特征四个方面进行了特征提取。为了研究靶标mRNA二级结构与RNA干扰效率的关系,我们利用RNA二级结构谱概念,采用基于Na?ve Bayes方法的TClass分类程序构建了分类器。然后,在此基础上,综合考虑了各种特征,分别采用支持向量机方法和人工神经网络构建了分类器siRNAFilter-SVM和siRNAFilter-ANN,同时,为了提高分类器的性能,我们分别采用GA算法搜索了影响SVM分类器性能的两个重要参数C和γ以及采用bagging集成方法优化了人工神经网络的泛化能力。采用Na?ve Bayes方法构建的TClass分类器从RNA二级结构谱中筛选出了9个特征,通过这9个特征,分类精度达到了74.67%。通过对测试集分类的结果表明,采用支持向量机方法构建的分类器的敏感性和特异性分别为16.3%和92.1%。采用人工神经网络构建的分类器有着较好的性能,敏感性与特异性分别为20.5%和94.2%。只需mRNA与siRNA结合区域附近的9个序列片段自由能数值作为特征就能达到较高分类精度,这表明mRNA局部片段的二级结构自由能与RNA干扰效率之间是有关系的。另外,通过与最近公开发表的其它大学与研究机构的分类程序相比,采用人工神经网络构建的分类程序siRNAFilter-ANN在保持较高特异性的同时达到了较高的敏感性,适于用来设计siRNA序列。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景
• 1.1.1 RNA 干扰的发现
• 1.1.2 RNA 干扰的原理和特征
• 1.1.3 RNA 干扰的作用
• 1.1.4 RNA 干扰的价值
• 1.2 研究内容及国内外研究现状
• 1.2.1 RNA 干扰技术的关键环节
• 1.2.2 国外研究现状
• 1.2.3 国内研究现状
• 1.3 论文的研究内容与创新点
• 1.4 论文概述
• 第二章 数据分析与特征提取
• 2.1 数据来源
• 2.1.1 RNA 干扰实验简介
• 2.1.2 目前主要数据库
• 2.1.3 数据库的选取
• 2.2 数据分析
• 2.3 特征分析与特征提取
• 2.3.1 siRNA 序列碱基特征
• 2.3.2 siRNA 序列片段特征
• 2.3.3 热力学特征
• 2.3.4 结构特征
• 第三章 模型构建
• 3.1 MRNA 二级结构自由能与RNA 干扰效率之间关系研究
• 3.1.1 特征变量筛选
• 3.1.2 稳定性分析
• 3.1.3 筛选结果
• 3.2 基于支持向量机方法的模型构建
• 3.2.1 支持向量机方法
• 3.2.2 遗传算法
• 3.2.3 特征变量筛选
• 3.2.4 基于遗传算法与SVM 的分类器构建
• 3.3 基于人工神经网络方法的模型构建
• 3.3.1 人工神经网络方法
• 3.3.2 集成学习方法
• 3.3.3 基于Bagging 方法的神经网络分类器构建
• 第四章 结果与讨论
• 4.1 分类效果及讨论
• 4.2 特征选取的讨论
• 4.3 模型构建的讨论
• 4.3.1 采用GA 算法搜索SVM 参数
• 4.3.2 采用集成提高分类器性能
• 第五章 总结与展望
• 5.1 全文总结
• 5.2 后续工作
• 致谢
• 参考文献
• 作者在学习期间取得的学术成果