基于主成分分析-神经网络的非编码RNA预测
邹凌云
王正志
1.国防科技大学机电工程与自动化学院,自动化研究所生物信息组,湖南,长沙,4100732.国防科技大学机电工程与自动化学院,自动化研究所生物信息组,湖南,长沙,410073
摘要：预测非编码RNA对认识其调控功能具有重要意义.选择单核苷酸和二核苷酸出现频率作为神经网络分类特征,运用主成分分析方法降低输入数据的维数,去除数据间的相关性,采用Levenberg-Marquardt算法改善网络训练速度.对数据集的测试结果表明,此方法对细菌混合ncRNA的预测精度达到81.3%,对原核生物tRNA的预测精度达到93.3%,表明该方法能有效预测原核生物ncRNA.预测结果还发现两种古细菌的ORF序列在序列特征上与其它细菌和古细菌存在差别.
关键词：非编码RNA主成分分析方差贡献率BP神经网络Levenberg-Marquardt算法
分类号：R318(医用一般科学)Q752(分子遗传学)
资助基金：国家自然科学基金(060471003)
论文发表日期：2007-01-01
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：4( 6-9 )
英文信息