[发明专利]基于支持向量机的剪接位点识别方法

权利要求书

1.一种基于支持向量机的剪接位点识别方法，其特征在于，包括下述步骤：

构建数据集，所述数据集包括训练数据集及测试数据集，所述训练数据集包括剪接位点序列，所述剪接位点序列包括真剪接位点序列和假剪接位点序列，所述真剪接位点序列即为正样本，所述假剪接位点序列即为负样本；

提取所述训练数据集的剪接位点序列的特征向量，记为第一特征向量；

提取所述训练数据集的剪接位点上游序列及下游序列的特征向量，记为第二特征向量；

根据所述第一特征向量及第二特征向量选取所述训练数据集的特征向量，记为第三特征向量；

根据所述第三特征向量，构建SVM分类器；

根据所述分类器识别所述测试数据集的剪接位点。

2.根据权利要求1所述的基于支持向量机的剪接位点识别方法，其特征在于，其中，提取所述训练数据集的剪接位点序列的特征向量，记为第一特征向量，包括下述步骤：

将所述训练数据集中的正样本构建一阶马尔可夫模型M^T；

将所述训练数据集中的负样本构建一阶马尔可夫模型M^F；

基于所述一阶马尔可夫模型M^T构建M^T模型参数，并通过所述M^T模型参数将所述剪接位点序列转换为特征向量，记为第四特征向量，其中，所述M^T模型参数为{p(s_i|s_i-1),i＝i＝1,2,…,l}，其中s_i,s_i-1∈{A,G,T,C}，l为序列长度，p(s_i|s_i-1)表示在位置i-1和i上分别出现碱基s_i、s_i-1的概率，所述第四特征向量为(p₁,p₂,…,p_l-1)；

基于所述一阶马尔可夫模型M^F构建M^F模型参数，并通过所述M^F模型参数将所述剪接位点序列转换为特征向量，记为第五特征向量，其中所述M^F模型参数为{p'(s_i┃s_i-1)，i＝1,2…….,l}，其中s_i,s_i-1∈{A,G,T，C}，l为序列长度，p′(s_i|s_i-1)表示在位置i-1和i上分别出现碱基s_i、s_i-1的概率，所述第五特征向量为(p′₁,p′₂,…,p′_l-1)；

将所述第四特征向量及第五特征向量线性组合，得到所述剪接位点序列的特征向量，记为第一特征向量，所述第一特征向量为(p₁,p₂,…,p_l-1,p′₁,p′₂...,p′_l-1)。

3.根据权利要求1所述的基于支持向量机的剪接位点识别方法，其特征在于，其中，提取所述训练数据集的剪接位点上游序列及下游序列的特征向量，记为第二特征向量，包括下述步骤：

构造公式其中，C_jk是氨基酸j对应的密码子k在所述剪接位点序列中出现的次数，n_j是氨基酸j对应的密码子个数，f_jk为密码子使用偏性；

依据上述公式，分别计算所述剪接位点上游序列及下游序列的密码子使用偏性；

根据所述剪接位点上游序列及下游序列的密码子使用偏性，提取所述剪接位点上游序列及下游序列的特征向量，记为第二特征向量，所述第二特征向量为(f₁,f₂,...,f₆₄,f₆₅,...,f₁₂₈)，其中f_i为密码子使用偏性。