科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对DNA序列编码区的识别问题，本研究提出一个特征向量和逻辑回归的组合模型。首先对DNA序列进行数值处理转化为特征向量，并结合k字符相对频率技术提取特征向量的元素特征，之后利用二分类逻辑回归算法，对编码区和非编码区进行准确区分。选取了HMR195和BG570两个基准数据集进行五折交叉验证，结果表明，平均AUC(Area Under Curve)值分别为0.981 3和0.987 4,明显优于传统的贝叶斯判别法和VOSSDFT等方法。此外，本文提出的特征向量的维度很低，提高了运算效率。因此，本文组合模型能够较为高效准确地识别蛋白质编码区。
- 单位
