您当前所在位置: 首页

论文收录信息

论文编号 201807-1
论文题目 基于机器学习的RNA杂交分析
文献类型
收录期刊

上传封面

中文期刊 英文期刊

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

中文专著 英文专著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文译著 英文译著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文论文集 英文论文集

编者 . 论文集名称(中文) [c].

出版地 出版社 出版年-

编者 . 论文集名称(英文) [c].

出版地 出版社 出版年-

上传封面

中文文献 英文文献

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

后印本*

(请提交PDF文档)

基于机器学习的RNA杂交分析

引用

复制文本

导出参考文献

.txt .ris .doc

朱维军

朱维军(1976-),男,副教授、硕导,主要研究方向:人工智能、生物信息

班绍桓

班绍桓(1996-),男,硕士生,研究方向:人工智能

樊永文

樊永文(1993-),男,硕士生,研究方向:生物信息

发送私信

发送给朱维军

郑州大学信息工程学院,郑州,450001

摘要:当前主流RNA仿真软件所采用的核心方法受限于组合问题的指数级计算复杂度,因而在可接受的时间内无法确定复杂RNA分子之间的特异性杂交是否有效。为此,引入了两种基于机器学习的新方法。首先,采用样本集来训练提升树(Boosted Tree,BT)算法和随机森林(Random Forest,RF)算法,并获得相应的模型。其次,这些模型可用于预测给定的RNA分子之间的杂交结果。实验结果表明:RF的平均准确率为93.2%,BT的平均准确率为92.3%;基于RF的新方法平均效率为现有方法的73733倍,基于BT的新方法平均效率为现有方法的29105倍。这表明了新方法可以快速准确地判定给定RNA分子杂交的生物有效性。

关键词: 提升树算法 随机森林算法 RNA设计 特异性杂交 生物有效性

图表:

同行评议

未申请同行评议

评论

评论一下

全部评论
评论