[发明专利]一种融合多种序列频率信息识别RNA亚细胞定位方法

说明书

本发明公开了一种融合多种序列频率信息识别RNA亚细胞定位的计算方法，包括如下步骤：步骤(1)：通过RNA亚细胞定位数据库提取mRNAs、lncRNAs、miRNA和ssnoRNAs这四个RNA序列数据集；步骤(2)：通过序列特征提取方法获取RNA序列的频率信息；步骤(3)：通过高斯函数对提取序列特征进行如下计算构建相应的核K；步骤(4)：通过多核支持向量机计算每个核的权重β；步骤(5)：计算获得融合后的核K^*；步骤(6)：根据一对其他的计算方法将融合后的核放入支持向量机中构建SVM的集成模型。本发明可以充分挖掘序列的频率信息，对各种RNA亚细胞定位建立了多标签基准数据集；解决RNA亚细胞定位的一个多标签多分类问题。

技术领域

本发明属于生物信息学中的分子功能预测算法领域，尤其涉及一种融合多种序列频率信息识别RNA亚细胞定位方法。

背景技术

生物分子的生物学功能依赖于它们在细胞中所处的细胞室。重要的是，RNA被分配在细胞的特定位置，使细胞以并发的方式实现不同的生化过程。然而，现有的RNA亚细胞定位分类器大多只是解决了单标签分类的问题。事实上，一个初级RNA转录本可以用来制造多种蛋白质。因此，将RNA亚细胞定位扩展为多标签分类问题具有重要的现实意义。

发明内容

本发明的目的在于提供了一种能够准确高效的预测RNA亚细胞定位的方法。本发明所使用的七种特征提取函数能够提高RNA序列中有效频率信息，然后使用高斯函数计算核函数，使用多核学习方法将核融合，构建一个一对其他的集成支持向量机模型。同时，本发明可以充分挖掘序列的频率信息，并建立了一个方便用户继续研究的网站。

本发明的特点在于解决了一个多标签多分类的RNA亚细胞定位的问题，并建立了一个研究网站，它依次含有以下步骤：

步骤(1)：通过RNA亚细胞定位数据库提取mRNAs、lncRNAs、miRNA和ssnoRNAs这四个RNA序列数据集；

步骤(2)：通过序列特征提取方法获取RNA序列的频率信息；

步骤(3)：通过高斯函数对提取序列特征进行如下计算构建相应的核K；

K_ij＝K(x_i,x_j)＝exp(-γ‖x_i-x_j‖²),i,j＝1,2,...,N

其中，xi和xj为样本i和j的特征向量，N为样本个数，γ为高斯内核；

步骤(4)：通过多核支持向量机计算每个核的权重β；

步骤(5)：计算获得融合后的核

其中，p是核数目，β为核权重，K为构建的单核，N为样本个数；

步骤(6)：根据一对其他的计算方法将融合后的核放入支持向量机中构建SVM的集成模型。

进一步，所述RNA序列的频率信息采用如下步骤生成：

2.1、使用k-mer方法提取RNA序列的频率信息，即一种是k＝4，另一种是k＝1,2,3,4；

2.2、使用反向补词k-mer(RCKmer)方法提取RNA序列的频率信息，其中RNA序列特征是k-mer描述符的一种变体；

2.3、利用核酸组成(NAC)编码核苷酸序列中每种核酸类型的频率，与1-mer相似；

2.4、使用二核苷酸组成(DNC)方法编码核苷酸序列中每个2元组核酸类型的频率，与2-mer相似；

2.5、使用三核苷酸组成(TNC)编码核苷酸序列中每个3-元组核酸类型的频率，与3-mer相似；