摘要：当前有许多用于预测模体的算法,但没有一种算法能有效地应用在所有场合。依据位置权重矩阵的模体模型,提出一种改进的吉布斯采样算法来识别模体。该算法有效地克服了吉布斯采样算法的局部收敛性,并且可以直观地控制预测模体的保守度。同时引入了模体库的概念,并通过分析模体库数据,提高了模体预测的灵活性和准确率。设计了仿真数据,并选择了已被生物实验验证过的模体数据,证实本算法的可行性和有效性。与当前常用的基于吉布斯采样改进的算法比较,本算法有效地提高了模体预测的准确性、灵活性和稳定性。

摘要：多聚腺苷酸化是真核细胞内形成成熟mRNA的一个重要步骤,其位点的预测对基因组序列中编码基因的发掘具有重要的参考价值.本研究以缺乏有效基因预测方法的微孢子虫基因组为对象,根据该物种的基因表达偏好设计了一个算法,对其PolyA位点进行预测分析.首先,采用k阶核苷酸频率形式和位置权重矩阵形成初始的特征,然后用PCA降低特征空间的维数,得到的数据用机器学习方法进行分析,产生一个较好的分类结果.其中基于支持向量机的实验得到的敏感度(Sp)和ACC分别达到了87.33%和85.14%,这在微孢子虫的PolyA位点预测上取得了较为理想的效果,并为以后机器学习算法在微孢子虫基因预测领域做了很好的尝试.