[发明专利]一种酿酒酵母菌中DNA复制起点的预测方法

权利要求书

1.一种酿酒酵母菌中DNA复制起点的预测方法，其特征在于，包括如下步骤：

1)获取样本数据集：获取酿酒酵母菌中的正样本序列和负样本序列；

2)特征提取：使用二进制编码法和PSEKNC-I两种方法表示样本序列，即使用一个向量表示每一条NDA序列；

3)特征选择：使用F-score方法和增量特征选择方法对步骤2)中使用PSEKNC-I法得到的特征进行筛选，得到预筛选特征；

4)特征组合：将步骤2)中采用二进制编码法得到特征和步骤3)得到的预筛选特征进行组合，使用二项分布对组合后的特征进一步筛选，获得特征组合后的样本数据集；

5)构建模型：构建CNN预测模型，将步骤4)获得的样本数据集进行五折交叉验证实验，将五折交叉实验选出的数据集随机分为5组，其中1组作为测试集，剩余4组作为训练集，利用训练集对构建的CNN预测模型进行训练，得到训练后的CNN预测模型，将测试集输入训练后的预测模型分类器中，得到的分类结果即为预测的复制起点的初步结果；

6)参数调优：根据步骤5)得到的初步结果，调整训练后的CNN预测模型中的卷积层数、卷积个数、滤波器大小、步长，以及输出层概率，对训练后的CNN预测模型进行优化；

7)模型评估：使用五折交叉验证法对优化后的CNN预测模型进行评估，并使用敏感性、特异性、准确率、马修斯相关系数四个评估系数对优化后的CNN预测模型的进行衡量，最终得到最优的CNN预测模型，将DNA序列输入最优的CNN预测模型中，即得到最终的DNA复制起点预测结果；

步骤2)中，所述的二进制编码法，是利用0、1表示DNA序列中的核苷酸，把每个DNA序列转化为特征向量，DNA序列中的核苷酸表示方式如下：

公式(1)中，A(0,0,0,0)为DNA序列中的腺嘌呤、C(0,1,0,1)为DNA序列中的胞嘧啶、G(0,0,1,0)为DNA序列中的鸟嘌呤、T(0,0,0,1)为DNA序列中的胸腺嘧啶。