蛋白质组学与生物信息学杂志
开放获取

抽象的

HTar：基于隐马尔可夫模型的 MicroRNA 结合位点预测

萨利姆 A 和维诺德·钱德拉 SS

MicroRNA 是调节基因表达的小型非编码 RNA 分子。MicroRNA 可以与 mRNA 结合并控制 mRNA 的预期功能。用于目标预测的计算算法有几种，但误报和漏报的程度很高。在本文中，我们提出了用于种子预测的隐马尔可夫模型和用于目标预测的支持向量机（SVM）分类器。用于训练的正数据集是从经过实验验证的目标中收集的，而负数据集是从预测的误报中系统地识别出来的。每个 mRNA 目标候选序列与 microRNA 序列进行比对，并使用经过训练的 HMM 模型测试种子区域。如果测试成功，将从对齐的双工中提取 22 个特征并将其输入 SVM 分类器。基于 HMM 的种子识别模块的准确度为 95.6%，SVM 分类器的准确度为 97.49%。我们将 148 m RNA 中 9 个 microRNA 的结合位点与经过验证的靶位点的结果进行了比较，我们的结果比其他方法更准确。