基于K-mer-SVM的piRNA预测

• 作者: 李小林 黄世国
• 来源期刊: 《福建农林大学学报（自然科学版）》
• 关键词: 支持向量机 piRNA K-mer 分类
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 计算机与信息
• 页码范围: 228-231
• 页数: 4页
• 分类号: Q74
• 语种: 中文
• DOI: 10.13323/j.cnki.j.fafu(nat.sci.).2016.02.018

摘要

采用支持向量机( SVM)结合K-mer分布特征预测piRNA.利用多种生物的非编码RNA序列数据库,从中挑选出piR-NA序列作为正样本,并以由该数据库构建的非piRNA序列作为负样本,将正样本和负样本构成的数据随机取出50％作为训练集,将剩余的数据作为测试集；提取正样本和负样本序列的K-mer分布特征构建特征矩阵；用SVM对其进行分类,实现piRNA预测.结果表明K-mer-SVM在准确率、正例覆盖率、MCC和F测度等分类指标上均明显优于K-mer-LDA,说明K-mer-SVM是更好的piRNA预测算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄世国	福建农林大学计算机与信息学院	36	524	10.0	22.0
2	李小林	福建农林大学计算机与信息学院	20	63	5.0	7.0