[发明专利]一种人类基因启动子识别方法和系统

摘要

本申请公开了一种人类基因启动子识别方法和系统。该方法在获取人类基因训练样本后，基于启动子与三个非启动子之间的对称散度，从所有N联体集合中确定最具有分辨率的N联体集合。进而，利用具有分辨率的N联体集合完成对分类器的训练，并利用训练后的分类器对人类基因测试样本进行识别。与先有技术相比，本发明采用对称散度作为述启动子和非启动子的之间的距离度量，由于对称散度的对称性，因而其作为距离度量的测量精度更高，从而提高了对启动子的识别度。

主权项

1.一种人类基因启动子识别方法，其特征在于，包括：获取人类基因训练样本，其中所述训练样本包括启动子基因序列、外显子基因序列、内含子基因序列以及3'-UTR基因序列；计算所有N联体集合中每个N联体在所述启动子基因序列、所述外显子基因序列、所述内含子基因序列以及所述3'-UTR基因序列中概率密度；根据所述概率密度，分别计算所述启动子基因序列中的N联体与所述外显子基因序列的中N联体的第一对称散度，所述启动子基因序列中N联体与所述内含子基因序列中N联体的第二对称散度，以及所述启动子基因序列中N联体与所述3'-UTR基因序列中N联体的第三对称散度；基于预设优化算法，依据所述第一对称散度从所有N联体中选择最具分辨率的第一N联体集合，依据所述第二对称散度从所有N联体中选择最具分辨率的第二N联体集合，以及依据所述第三对称散度从所有N联体中选择最具分辨力的第三N联体集合；分别利用所述第一N联体集合、所述第二N联体集合以及所述第三N联体集合，对分类器进行训练，得到启动子-外显子分类器、启动子-内含子分类器以及启动子-3'-UTR分类器；利用所述启动子-外显子分类器、所述启动子-内含子分类器以及所述启动子-3'-UTR分类器对人类基因测试样本进行识别，基于三个分类器的输出结果，判断人类基因训练样本是否为启动子。