[发明专利]基于Adaboost、BP神经网络和随机森林融合的mirco-RNA前体识别方法

说明书

本发明提供了一种基于Adaboost、BP神经网络和随机森林融合的mirco‑RNA前体识别方法，属于mirco‑RNA前体识别方法技术领域。本发明从pre‑miRNA序列中提取N个特征；通过提取特征及其相应的标签建立N/2个BP分类器和N/2个RF分类器；在训练和建立分类器时，计算每个分类器获得的相应权重；通过组合弱权重分布的分类器获得强分类器。本发明可以避免传统BP神经网络和RF算法分类器过度拟合和不稳定的缺点，整合了多个弱分类器并将权重分配给它们；最后，获得了具有高精度和稳定性的强分类器，可以获得高预测准确度。

技术领域

本发明涉及一种基于Adaboost、BP神经网络和随机森林融合的mirco-RNA前体识别方法，属于mirco-RNA前体识别方法技术领域。

背景技术

微小RNA(miRNA)是一组非编码的短(约21nt)RNA，其作为细胞生物过程中的调节剂起重要作用。pre-miRNA的识别和发现有助于理解调节过程，miRNA和其他基因的功能，以及更多的生物进化。大多数miRNA的生物发生机制被认为是相似的：miRNA来自pre-miRNA，其包括不完美的发夹结构，然后在cy-toplasm中，成熟形式通过Dicer核酸内切酶的作用产生。由于miRNA的重要性，miRNA的准确鉴定是重新研究miRNA功能和转录后遗传过程的首要任务。

有两种识别miRNA的方法，传统的实验方法(耗费时间和金钱)和计算方法。因此，近年来越来越重视计算方法的发展。计算方法的重点是使用机器学习技术来区分真正的pre-miRNA和伪pre-miRNA(具有类似发夹状的第二结构)。

在神经网络分类器中，BP神经网络因其强大的自学习能力而成为一种广泛使用的算法，特别适用于解决内部机制问题。另一方面，随机森林(RF)算法也是用于pre-miRNA识别的强大分类算法。与其他分类器相比，RF算法在解决所提出的高维特征集方面具有优越的优势。然而，这两种算法倾向于过度拟合并且输出不稳定。因此，提出了一种新的算法，将多个BP神经网络分类器和多个RF算法分类器与一个名为BRAda算法(为本发明基于Adaboost、BP神经网络和随机森林融合的mirco-RNA前体识别方法的缩写)的新型Adaboost框架相结合，通过Adaboost框架分配分类器权重，可以获得高精度和可靠性。基于所提出的特征集和新算法的用于pre-miRNA识别的分类器。

发明内容

本发明的目的是为了解决上述现有技术存在的问题，进而提供一种基于Adaboost、BP神经网络和随机森林融合的mirco-RNA前体识别方法。

本发明的目的是通过以下技术方案实现的：

步骤1：从pre-miRNA序列中提取N个特征，N取98，则提取98维特征；

步骤2：通过提取特征及其相应的标签建立N/2个BP分类器和N/2个RF分类器；

步骤3：在训练和建立分类器时，计算每个分类器获得的相应权重；

步骤4：组合弱权重分布的分类器获得强分类器。

所述步骤1中从pre-miRNA序列中提取N个特征包括一级序列特征和二级序列特征；

所述一级序列特征为N-Gram频率，选择N值为3，在指定序列的三核苷酸组中存在64个组合，获得总共64维频率特征作为N-Gram频率特征；

所述二级序列特征包括三重结构序列、碱基对含量特征和MFE功能；其中，所述三重结构序列为对于任何三个核苷酸单元，有8个可能的组合，考虑三个字符组的第一个核苷酸，有32个不同的组合；所述碱基对含量特征为miRNA序列中的核苷酸配对G-C配对的频率；MFE功能为最小自由能。

所述步骤2中相应标签为0表示阴性样本，1表示阳性样本。