基于核酸物化属性显著性约简的m~6A位点识别

为了提高核糖核酸(RNA)序列上6-甲基腺嘌呤(m~6A)位点的预测精度,该文提出一种新的基于核酸物化属性显著性度量的K重选择启发式约简算法。通过该算法获得K个物化属性约简子集来重新编码RNA样本,并结合支持向量机(SVM)训练得到K个基分类器,再通过分类器融合方法构建了m~6A位点预测器。最后,在相同的基准数据上,采用留一法交叉验证分别验证了伪二核苷酸成分分析和自协方差与互协方差变换两种典型的基于核酸物化属性的特征表示算法。实验结果表明,该文算法可显著提高m~6A位点预测的总体性能。