[发明专利]一种人类基因启动子识别方法及系统

摘要

本申请公开了一种启动子识别方法，通过对多个样本基因序列进行胞嘧啶、鸟嘌呤CG偏好特征的统计，将多个样本基因序列分为两类，针对每一类样本基因序列分别执行以下步骤分别提取其中每一个样本基因序列的刚性特征、CpG岛特征和四联体组成成分特征，并构建对应的分类器来对样本基因序列进行启动子识别判断，对识别的非启动子序列提取其五联体组成成分特征并构成五联体分类器，再次进行启动子识别判断，并在识别结果满足预设条件时，确定当前样本基因序列为启动子序列，否则为非启动子序列。本申请充分考虑了基因的刚性特征、CpG岛特征和组成成分特征，通过分级识别，最终给出的启动子识别结果准确率更高。

主权项

一种人类基因启动子识别方法，其特征在于，包括：接收由多个样本基因序列构成的样本集；分别统计每一个样本基因序列的胞嘧啶、鸟嘌呤CG偏好特征，得到统计结果；根据所述统计结果将所有的样本基因序列划分为两类，一类具有所述CG偏好特征，另一类不具有所述CG偏好特征；针对划分后的每一类样本基因序列，分别提取其中每一个样本基因序列的刚性特征、CpG岛特征和四联体组成成分特征；利用所述刚性特征构成刚性分类器、利用所述CpG岛特征构成CpG岛分类器以及利用所述四联体组成成分特征构成四联体分类器，所述刚性分类器、所述CpG岛分类器和所述四联体分类器分别对同一样本基因序列进行启动子识别判断，并分别给出对应的第一识别结果；在三个所述第一识别结果满足第一预设条件时，确定当前样本基因序列为启动子序列；对不满足第一预设条件的样本基因序列，提取其五联体组成成分特征并构成五联体分类器，由所述五联体分类器对所述不满足第一预设条件的样本基因序列进行启动子识别判断，并给出第二识别结果；在所述第二识别结果满足第二预设条件时，确定当前样本基因序列为启动子序列，否则为非启动子序列。