植物抗性基因的數(shù)據(jù)組織與信息挖掘.pdf

1、病蟲害對(duì)植物的迫害已經(jīng)成為一個(gè)嚴(yán)重的問(wèn)題,尤其對(duì)于農(nóng)作物來(lái)說(shuō),不僅會(huì)造成大面積的減產(chǎn)或絕收,而且會(huì)給某些經(jīng)濟(jì)產(chǎn)業(yè)帶來(lái)一定程度的影響。因此,通過(guò)研究植物和病蟲害間的相互作用來(lái)提取已知植物抗性基因的特征,進(jìn)而挖掘更多未知抗性基因,培育具有抗性功能的植株,這不僅有助于植物基因的改良,而且對(duì)生物育種也有重要的價(jià)值。
　　植物抗性基因的識(shí)別問(wèn)題可以看作一個(gè)二分類問(wèn)題,本文將結(jié)合計(jì)算機(jī)學(xué)和生物學(xué)知識(shí),采用機(jī)器學(xué)習(xí)的方法預(yù)測(cè)植物抗性基因。通常情

2、況下,訓(xùn)練一個(gè)分類器需要有正確標(biāo)記的正例和反例。然而,抗性基因識(shí)別中可利用的信息僅有少數(shù)人工標(biāo)記的抗性基因。一般情況下,將不包括正例的基因家族作為訓(xùn)練反例,但其中功能不明確的基因可能具有抗性功能,這樣就會(huì)嚴(yán)重影響分類器的識(shí)別能力。為了消除由于正例太少和錯(cuò)誤反例對(duì)抗性基因識(shí)別造成的影響,本文基于抗性基因和其他基因在蛋白質(zhì)相互作用網(wǎng)中的距離,提出了一種新的樣本選擇方法。與一般樣本選擇的方法相比,本文方法選擇的樣本所構(gòu)建的分類器的性能要優(yōu)于一

3、般方法,說(shuō)明了該方法的有效性。接著,本文結(jié)合基因序列特征及其對(duì)應(yīng)蛋白質(zhì)理化特性對(duì)抗性基因識(shí)別的作用程度,在本文方法獲取的數(shù)據(jù)上提取了有關(guān)基因序列和蛋白質(zhì)理化特性等共113維特征,并通過(guò)實(shí)驗(yàn)分析了各組特征對(duì)抗性基因識(shí)別貢獻(xiàn)的大小。最后,選擇支持向量機(jī)(Support Vector Machine,SVM)作為抗性基因分類器算法,并通過(guò)實(shí)驗(yàn)和理論分析從常用的四種核函數(shù)中選擇了徑向基函數(shù)作為核函數(shù),使得預(yù)測(cè)結(jié)果的敏感性(SN)和特異性(SP)