宏基因组中可移动序列的精确检测问题研究

• 作者: 周丰丰 彭超 王普 葛瑞泉
• 来源期刊: 集成技术
• 学科: 工学
• 关键词: 基因分类 数据挖掘 特征选择 基因组条形码
• 年，卷（期）: 2016,（2）
• 页码范围: 85-96
• 页数: 12页
• 分类号: TG156
• 字数: 7519字
• 语种: 中文

摘要

基因组组装是宏基因组分析的主要挑战之一。通常假设所有测序序列均来源于同一个基因组，微生物中非常活跃的可移动元件给这个前提假设提出了重大质疑。文章将该质疑抽象为可移动元件与宿主染色体之间的二分类问题，准确的二分类性能将进一步促进宏基因组学方面的研究。基于宏基因组测序数据的数值化特征，详细考察特征选择算法 ReliefF、卡方检验和 Fisher判别t检验，并结合分类模型逻辑回归、极限学习机、支持向量机和随机森林，验证最优可移动元件检测模型的性能。实验结果表明，ReliefF特征选择算法和随机森林分类算法的融合模型，使用100个特征即可正确分类95%以上的宏基因组测序数据，优于使用全部的690个特征。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭超	中国科学院深圳先进技术研究院	17	31	2.0	5.0
5	葛瑞泉	中国科学院深圳先进技术研究院	2	1	1.0	1.0
9	王普	中国科学院深圳先进技术研究院	2	1	1.0	1.0
13	周丰丰	中国科学院深圳先进技术研究院	2	2	1.0	1.0