一种基于结构序列藕合模块辨别人类miRNA前体的新方法

1、一种基于结构序列藕合模块辨别人类miRNA前体的新方法,刘秀芹 2009.11.15,miRNA的产生,内容提要,miRNA概述,Mirident方法流程结果,与已有的方法的比较,讨论,miRNA的产生中心法则,Protein Gene,mRNA,Protein,miRNA gene,蛋白基因1,miRNA基因,DNA序列,转录,翻译,转录,pri-miRNA,miRNA的产生,行使功能,miRNA的产生,miRNA概述,长约2025碱基的单链RNA,功能：在对mRNA进行转录后调控 mRNA 降解 阻止mRNA翻译成蛋白,通过影响mRNA从而对生物体的生长、发育起到重要作用，与肿瘤的形成有很

2、大关系。,miRNA的发现：,试验的方法,计算方法（分类算法）,各种机器学习方法用于预测miRNA. SVM, 随机树，线性规划，隐马氏模型等。,2. 机器学习的方法的关键之一是选取合适的特征。常用的特征： 序列特征(如，保守性，G C含量,) 结构特征(臂的长度，loop长度),本文想法： 充分挖掘序列和结构耦合的特征。 用耦合特征辨别miRNA和假pre-miRNA.,已有方法的局限性：,受对miRNA认识的限制,一般分别考虑序列和结构的性质，大部分没有充分考虑序列和结构之间的相互关系,Mirident方法流程,准备序列结构(sequence-structure),寻找耦合特征,用线性SV

3、M对特征进行排序,用支持向量机训练分类器，进行预测,1. 阳性集合准备,(1) hsa.fa是human的678条pre-miRNA序列(hairpin.fa 是所有物种的pre-miRNAs,用hsa.py取出人的)。,(2) 去重复率高于90%的序列，剩638条(quxiangsilian.py)。,(3) 计算二级结构，去多环，剩608条。,算法步骤,(5)用软件 teiresias找457条公共特征(457/608=75%)。,(4)把每个位点的二级结构放在相应的位点后面，形成sequence-structure.,(.(.(.(.).).).).,hsa-mi-320-1 MI000

4、8190 Homo sapiens mi-320-1 stem-oop,UUCUCGUCCCAGUUCUUCCCAAAGUUGAGAAAAGCUGGGUUGAGAGGA,U(U(C(U(C(G(U.C(C(C(A(G(U(U(C.U(U(C(C.C(A(A.A.G.U.U )G)A.G)A)A)A.A)G)C)U)G)G)G)U.U)G)A)G)A)G)G.A.,ULULCLULCLGLUDCLCLCLALGLULULCDULULCLCDCLALADADGDUDURGRADGRARARADARGRCRURGRGRGRUdURGRARGRARGRGDAD,L代表( R代表) D表示.,2. 阴性

5、集合准备,(1)、在ucsc下载refseq.fa,(2)、过滤剩11426条,(3)、去重复序列，只剩7898条,(6)、用teiresias找457条（457/608=75%）共有的motifs（L=4,W=12,K=457）,(5)、把每个位点的二级结构放在相应的位点后面，形成sequence-structure.,(4)、随机抽取608条，计算二级结构。,3. Libsvm分类：,(1) 把阴性和阳性集合中得到的特征放到一起形成head.txt. 在阳性阴性集合中提取特征向量。,(.(.(.(.).).).).,hsa-mi-320-1 MI0008190 Homo sapiens m

6、i-320-1 stem-oop,UUCUCGUCCCAGUUCUUCCCAAAGUUGAGAAAAGCUGGGUUGAGAGGA,U(U(C(U(C(G(U.C(C(C(A(G(U(U(C.U(U(C(C.C(A(A.A.G.U.U )G)A.G)A)A)A.A)G)C)U)G)G)G)U.U)G)A)G)A)G)G.A.,ULULCLULCLGLUdCLCLCLALGLULULCdULULCLCdCLALAdAdGdUdU RGRAdGRARARAdARGRCRURGRGRGRUdURGRARGRARGRGdAd,L代表( R代表) D表示.,抽取特征向量的过程：,特征 LUL.C在序列h

7、sa-mi-320-1 中的特征向量的分量为2.,它的特征向量为：,（2,2,4,2,2,1,1,3,2,4,0,3,2,2,2,2,1,3,2,3,2,2,0,0,1,4,3,2,0,0,2,1,2,1,2,3,2,4,2,2,1,0,1,4,3,4,3,1,2,4,1,1,2,3,3,0,2,0,3,0,1,2,2,7,1,1,1,2,2,1,6,2,0,1,1,3,3,0,2,2,2,1,2,1,1,1,2,3,2,1,2,6,3,3,2,1,2,0,2,3,4,0,0,0,1,1,1,1,0,2,3,1,3,1,1,3,2,4,1,0,3,1,3,3,0,3,3,2,2,3,3,2,1

8、,3,0,0,5,1,2,2,2,1,1,0,1,2,2,1,3,1,1,1,2,2,1,1,1,2,3,3,2,0,2,4,4,1,2,1,3,6,3,2,3,1,1,1,0,3,1,0,3,2,2,3,4,1,0,3,1,1,3,4,0,1,0,1,1,2,1,3,2,0,1,2,2,0,1,2,2,1,1,0,1,1,3,3,1,0,2,3,0,1,3,0,1,0,0,1,1,2,1,1,1,1,2,3,3,1,2,0,3,2,1,1,0,1,0,2,2,1,2,0,1,1,0,0,2,4,1,0,3,1,1,2,1,1,1,1,0,0,4,3,0,0,1,0,0,3,3,2,3,2,1

9、,1,2,3,2,1,3,2,1,2,2,4,2,3,1,0,2,0,2,1,1,3,1,0,2,1,2,0,0,2,1,2,2,4,2,0,1,0,1,0,2,0,3,1,0,1,4,4,3,2,5,2,3,2,2,1,2,5,0,4,1,2,1,1,1,2,2,3,2,5,2,0,0,0,2,0,2,2,2,2,2,1,1,2,3,1,2,1,0,4,2,0,0,1,3,2,0,0,0,1,2,2,2,1,1,1,2,3,1,1,2,1,2,3,0,0,1,3,2,0,2,0,2,2,5,0,1,3,0,2,3,1,0,1,5,0,1,4,2,0,0,2,3,1,4,1,2,0,2,0,1

10、,2,2,1,2,1,1,3,0,3,2,3,2,1,0,1,2,1,3,2,2,0,1,1,2,1,2,1,0,1,5,3,0,0,1,2,1,0,0,0,2,3,3,2,1,1,2,1,2,2,2,3,2,1,0,1,0,2,2,1,1,1,0,1,2,1,0,2,1,2,1,0,1,0,1,4,0,1,0,1,0,3,2,1,0,1,2,4,0,3,2,5,0,2,3,1,1,0,0,1,0,1,1,2,1,3,2,1,1,1,1,3,3,0,1,1,2,1,0,1,1,2,1,2,0,3,1,2,1,3,0,4,2,1,2,3,1,1,2,3,0,0,0,2,3,1,1,2,2,2,4

11、,1,2,1,2,0,1,0,0,2,0,0,3,0,2,1,1,1,0,0,1,1,0,0,0,2,2,2,1,0,2,2,1,2,1,1,4,5,2,1,0,1,1,2,1,3,1,0,1,3,0,0,2,0,2,1,1,4,2,0,4,0,0,1,0,1,1,2,2,0,1,0,2,3,2,0,3,4,1,1,1,1,2,0,0,1,0,2,0,1,0,4,3,0,3,1,1,3,2,0,1,0,1,0,1,1,1,2,1,0,0,0,0,0,2,0,2,1,1,2,1,1,2,0,1,3,2,0,3,0,1,2,0,3,1,2,0,0,2,3,2,0,1,1,3,0,5,2,0,1,3

12、,4,1,1,1,2,2,1,1,0,1,0,2,3,5,3,2,0,2,1,4,2,0,0,1,1,2,1,0,1,4,3,4,0,0,1,0,1,0,0,0,2,0,3,2,1,2,4,1,2,5,1,2,0,1,0,2,2,3,0,0,1,2,4,3,2,2,1,6,0,3,1,1,3,3,1,1,0,0,2,2,0,0,1,1,0,1,0,2,0,0,3,1,1,1,2,1,0,1,1,1,1,1,2,2,0,0,1,0,4,0,0,4,0,2,3,1,0,2,1,1,0,2,0,1,3,1,4,0,1,1,2,3,1,2,1,1,1,2,1,0,0,2,1,3,1,2,1,1,1,2

13、,0,1,0,2,0,3,3,0,3,1,3,0,4,1,1,1,0,2,2,0,0,0,0,0,1,2,2,1,2,2,3,0,4,0,0,3,1,2,2,1,1,0,2,0,0,3,1,0,0,3,3,1,0,0,3,3,1,1,1,0,2,0,1,1,0,1,1,0,2,1,0,2,0,2,0,0,1,2,0,3,2,2,1,0,1,1,0,3,1,0,0,0,3,2,0,0,1,0,2,3,4,1,2,0,3,2,0,1,0,1,1,1,0,0,0,1,2,1,1,2,3,3,0,4,2,1,2,1,5,1,1,0,1,0,2,1,2,1,1,4,0,0,0,1,2,3,1,1,1,1

14、,0,1,2,2,1,1,0,0,1,2,0,1,0,0,2,0,0,0,0,2,5,3,2,1,0,1,0,3,4,3,0,0,1,2,1,3,2,0,3,1,2,0,1,3,0,1,2,0,3,1,1,1,0,0,0,0,0,1,2,1,1,2,3,3,1,1,1,1,3,1,2,0,4,1,4,0,1,1,1,3,1,1,1,2,0,2,3,1,1,3,0,4,2,1,1,1,1,1,1,0,2,2,2,1,1,1,0,2,1,0,2,1,0,2,2,1,0,0,0,1,2,1,2,1,0,0,2,0,2,4,0,0,1,0,3,0,0,1,3,1,3,1,5,2,2,2,2,0,0,0

15、,1,1,3,0,0,1,2,1,2,3,2,0,1,3,1,3,2,5,0,3,2,3,1,0,2,2,0,2,4,3,1,2,2）,(2).用特征矩阵作线性libsvm,按 绝对值大小经行排序。,(3).在608个阳性集合中随机选取4/5,在608个阴性集合中随机选取4 /5放在一起作为训练集，剩余的作为测试集。,(4).选取前面的1300特征做高斯核libsvm.(试了选取不同个数的特征个数)。,(5). 结果，ACC=97.9839%, sp=99.1935%, se=96.774% , AUC=0.9929%,与已有的方法的较：,特征的位置分布：,讨论：,1.本文的新意在于把序列和序列的二级结构耦合在一起，用软件Teiresias找到了一些miRNAs的特征。有序列和结构耦合在一起的特征（以往的特征序列结构都是分开的）。,4.用线性libSVM对特征进行排序。选