[发明专利]一种烟草线粒体RNA编辑位点高精度预测方法

摘要

本发明公开了一种烟草线粒体RNA编辑位点高精度预测方法，下载拟南芥、欧洲油菜和稻三个样本的线粒体全基因组序列，提取位点信息；融合烟草ATP合酶上的atp9,atp6,orf25,orfB,atp1五个目的基因的DNA序列和cDNA序列比对得到的编辑位点数据共同组成数据集；从全基因组中得到负样本；确定最优特征；针对最优特征，对训练集‑测试集按照9:1、8:2、7:3、6:4、5:5进行分类，基于高维特征快速非线性汰选方法对五种比例的训练集‑测试集中的训练集进行高维特征筛选；基于高维特征筛选后保留的有效特征，利用SVC分别对测试集和验证集进行独立预测，得到有效模型；确定最优模型；本发明适用于烟草线粒体RNA编辑位点预测，减少了预测的计算量，并保证了预测的高精度。

主权项

1.一种烟草线粒体RNA编辑位点高精度预测方法，其特征在于，包括以下步骤：1)从NCBI数据库中下载拟南芥、欧洲油菜和稻三个样本的线粒体全基因组序列保存为fasta格式，根据RNA编辑的最新注释，提取位点信息；融合烟草ATP合酶上的atp9,atp6,orf25,orfB,atp1五个目的基因的DNA序列和cDNA序列比对得到的编辑位点数据共同组成数据集；2)从三个样本的线粒体全基因组的fasta格式文件中根据注释信息提取正样本和参考REGAL中的负样本信息，从线粒体基因组中得到负样本；3)在正样本第一列添加y值1，负样本第一列添加y值0，将添加y值后的正、负样本组合在一起，再将组合好的样本全部随机打乱，从随机打乱后的样本数据中取60％作为训练集，剩余40％作为测试集，得到6:4的样本比例；同样的方法从随机打乱后的样本数据中得到剩余5:5、7:3、8:2和9:1四种比例；4)选用6:4比例的样本集，对下表中的七组特征进行SVC独立测试，确定最优特征；5)针对最优特征，对训练集‑测试集按照9:1、8:2、7:3、6:4、5:5进行分类，基于高维特征快速非线性汰选方法对五种比例的训练集‑测试集中的训练集进行高维特征筛选；6)基于高维特征筛选后保留的有效特征，利用SVC分别对测试集和验证集进行独立预测；所述验证集是指：由烟草线粒体ATP酶上5个亚基的编辑位点信息构建的36个新的正样本，从烟草线粒体上随机取30个以C为中心的501bp窗口长度的样本为新的负样本，对新的正样本和负样本分别添加y值组成验证集。