文献

J-GLOBAL ID：201502264900347681   整理番号：14A1322974

SVM(サポートベクトルマシン)と最適化された特徴集合に基づくマイクロRNA標的予測【Powered by NICT】

MicroRNA Target Predicition Based on SVM and the Optimized Feature Set

著者 (5件)： Wang Baowen (Coll. of Information Sci. and Engineering, Yanshan Univ., Qinhuangdao) ,  Qi Xiaoyang (Coll. of Information Sci. and Engineering, Yanshan Univ., Qinhuangdao) ,  Wang Changwu (Coll. of Information Sci. and Engineering, Yanshan Univ., Qinhuangdao) ,  Liu Wenyuan (Coll. of Information Sci. and Engineering, Yanshan Univ., Qinhuangdao) ,  Si Yali (Coll. of Information Sci. and Engineering, Yanshan Univ., Qinhuangdao)
資料名： Shengwu Yixue Gongchengxue Zazhi  (Shengwu Yixue Gongchengxue Zazhi)
巻： 30  号： 6  ページ： 1213-1218  発行年： 2013年 
JST資料番号： C2182A  ISSN： 1001-5515  CODEN： SYGZF2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： マイクロRNA(miRNA)は長さ約22nucleotides内因性一本鎖RNAのファミリーである。メッセージRNA(mRNA)の3’UTRを標的を通して,転写後調節機能において重要な役割を果たしている。miRNA機能のさらなる研究のために,より多くのmiRNA陽性標的の同定が緊急に必要である。miRNA標的予測における高次元小標本データセットを目指して,冗長な特徴を除去するアルゴリズムを本論文でonυSVMベースの提案し,分類と特徴選択は融合した。冗長な特徴を除去するアルゴリズムは,特徴の組合せを最適化し,miRNA及び標的相互作用モデルを表すことができる最良の特徴組合せを構築した。前parameterυ(0<υ≦ 1)はデータセットの圧縮比率を制御し,非常に特徴的なサポートベクトルを選択する。最後に,miRNA標的予測の分類器モデルを構築した。分類器の不偏評価は完全に独立した試験データセットを用いて達成した。実験の結果は,miRNA標的予測の分類認識と汎化性能の両方で,このモデルはmiTarget,NBmiRTarとTargetMinerなどの機械学習アルゴリズムよりも優れている,などであることを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： *サポートベクトルマシン ,  *最適化 ,  *RNA【核酸】 ,  mRNA ,  高次元 ,  特徴選択 ,  相互作用 ,  学習アルゴリズム
準シソーラス用語： *マイクロRNA ,  一本鎖RNA ,  転写後調節 ,  データセット , 【Automatic Indexing@JST】

分類 (2件)： 生体計測  (EL03020C) ,  循環系の医学一般  (GJ01010Z)

タイトルに関連する用語 (6件)： SVM ,  サポートベクトルマシン ,  最適化 ,  集合 ,  マイクロRNA ,  標的予測