摘要：翻译起始位点(TIS,即基因5′端)的精确定位是原核生物基因预测的一个关键问题,而基因组GC含量和翻译起始机制的多样性是影响当前TIS预测水平的重要因素.结合基因组结构的复杂信息(包括GC含量、TIS邻近序列及上游调控信号、序列编码潜能、操纵子结构等),发展刻画翻译起始机制的数学统计模型,据此设计TIS预测的新算法MED-StartPlus.并将MED-StartPlus 与同类方法 RBSfinder、GS-Finder、MED-Start、TiCo 和Hon-yaku等进行系统地比较和评价.测试针对两种数据集进行:当前14个已知的TIS被确认的基因数据集,以及300个物种中功能已知的基因数据集.测试结果表明,MED-StartPlus的预测精度在总体上超过同类方法.尤其是对高GC含量基因组以及具有复杂翻译起始机制的基因组,MED-StartPlus具有明显的优势.

摘要：结合剪接相关的剪接信号和调节元件的序列特征信息,发展高效的剪接位点预测方法,是真核生物基因预测中一个新课题.运用熵密度分布(EDP)距离方法、权重数组法(WAM)、κ检验等算法建立了剪接位点相关的剪接信号的统计模型,同时基于无监督自学习的基序检测方法建立了调节元件的统计模型,在此基础上设计了基于多层次支持向量机(SVM)的剪接位点预测新算法,实现了真核基因剪接位点的从头(ab initio)预测.对人类基因组剪接位点数据的大规模测试结果表明,本研究提出的方法能够有效地预测人类基因组中的剪接位点,预测水平不仅全面高于传统的基于剪接信号的预测方法GeneSplicer,而且在总体预测精度上达到并大部分超过基于调节元件信号的预测方法SpliceScan.对于低GC含量的基因序列,本文方法的预测精度明显地高于其他两种方法.