哈桑·祖勒菲卡尔;汗、里达·萨瓦尔;法尔瓦·哈桑;基尔·希佩;卡桑德拉·亨特;丁辉;宋晓明;曹仁智 用机器学习方法计算鉴定小鼠基因组中的N4-甲基胞嘧啶位点。 （英语） Zbl 1471.92230号 数学。Biosci公司。工程师。 18，第4号，3348-3363（2021）. 摘要：N4-甲基胞嘧啶（4mC）是一种DNA修饰，可以调节多种生物过程。正确识别基因组序列中的4mC位点可以提供关于其遗传作用的精确知识。本研究旨在建立一个集成模型来预测小鼠基因组中的4mC位点。在该模型中，DNA序列由k-mer编码，增强的核酸组成和k-间隔的核酸对组成。随后，通过使用最小冗余最大相关性（mRMR）、增量特征选择（IFS）和五倍交叉验证来优化这些特征。将获得的最优特征输入到随机森林分类器中，用于区分小鼠体内的4mC位点和非4mC位点。在独立数据集上，我们的模型可以产生85.41%的总准确度，比现有的两个模型i4mC-Mouse和4mCpred-EL分别高3.8%–6.3%。模型的数据和源代码可以从免费下载https://github.com/linDing-groups/model_4mc. MSC公司： 92D10型 遗传学和表观遗传学 92D20型 蛋白质序列，DNA序列 68T05年 人工智能中的学习和自适应系统 关键词：DNA修饰;特征提取;特征选择;N4-甲基胞嘧啶;随机森林 软件：github;国际MRM;BioSeq分析;i4mC鼠标;Meta-iPVP公司;Cd命中;国际BLP;mRMRe公司;型号_4mc;深度4mC;iDNA-MS公司;IDP-Seq2Seq公司;ACP红色;iBitter-SCM（比特-SCM）;PSAC公司;靶向抗Angio;iTTCA-混合;折叠Rec-C2C;4mC红色;DNA4mC-LIP公司;iTerm-PseKNC;XG-PseU公司;PseKRAAC公司;DeepTorrent深激流;RAAC手册;Meta-iAVP;Raac徽标;iCircDA-MF公司 PDF格式BibTeX公司 XML格式引用 \textit{H.Zulfiqar}等人，数学。Biosci公司。工程18，编号4，3348--3363（2021；Zbl 1471.92230） 全文： 内政部 参考文献： [1] D、 TET蛋白的功能决定因素：序列基序与特定编码的排列。，20, 1826-1835 (2019) ·doi:10.1093/bib/bby053 [2] A、 DNA甲基化的新概念，趋势生物化学。科学。，39, 310-318 (2014) ·doi:10.1016/j.tibs.2014.05.002 [3] D.Schübeler，DNA甲基化的功能和信息含量，自然, 517 (2015), 321-326. [4] B、 通过单分子实时DNA测序进入细菌表观基因组时代，Curr。操作。微生物。，16, 192-198 (2013) ·doi:10.1016/j.mib.2013.01.011 [5] T、 癌症中的3-甲基胞嘧啶：一种被低估的甲基损伤？，表观基因组学，8451-454（2016）·doi:10.2217/epi.15121 [6] K.D.Robertson，DNA甲基化与人类疾病，Nat.Rev.基因。, 6 (2005), 597-610. [7] M、 DNA甲基化景观：来自表观基因组学的启发性见解，《自然遗传学评论》。，9, 465-476 (2008) [8] H、 细菌遗传学：过去的成就。生物技术领域的现状和未来挑战，44，633-641（2008）·doi:10.2144/000112807 [9] 五十、 真核生物DNA甲基化系统的自然历史。分子生物学。Transl.公司。科学。，101, 25-104 (2011) ·doi:10.1016/B978-0-12-387685-000002-0 [10] W、 4mCPred:DNA N4-甲基胞嘧啶位点预测的机器学习方法，生物信息学，35593-601（2019）·doi:10.1093/bioinformatics/bty668 [11] B、 在单分子过程中直接检测DNA甲基化。实时测序，Nat.Methods，7461-465（2010）·doi:10.1038/nmeth.1459 [12] R、 探索家畜DNA甲基化分析的全基因组亚硫酸氢盐测序：技术评估，Front。遗传学。，5, 126 (2014) [13] J、 黄单胞菌AvrBs3家族III型效应器：发现和功能，年度。植物病理学。，48, 419-436 (2010) ·doi:10.1146/annurev-phyto-080508-081936 [14] W、 iDNA4mC：基于核苷酸化学特性识别DNA N4-甲基胞嘧啶位点，生物信息学，33，3518-3523（2017）·doi:10.1093/bioinformatics/btx479 [15] 五十、 迭代特征表示改进了N4-甲基胞嘧啶位点预测，生物信息学，35，4930-4937（2019）·doi:10.1093/bioinformatics/btz408 [16] Z、 利用光梯度增强机器特征选择技术提高大肠杆菌DNA N-4-甲基胞苷位点预测精度，IEEE Access，814851-14859（2020）·doi:10.1109/ACCESS.2020.2966576 [17] Q、 DNA4mC LIP：一种在多种物种中鉴定N4甲基胞嘧啶位点的线性整合方法，生物信息学，363327-3335（2020）·doi:10.1093/bioinformatics/btaa143 [18] B、 Meta-4mCpred：一种基于序列的Meta-predictor，用于使用有效特征表示准确预测DNA 4mC位点，Mol.Ther。核酸，16733-744（2019）·doi:10.1016/j.omtn.2019.04.019 [19] B、 4mCpred-EL：鉴定小鼠基因组中DNA N4-甲基胞嘧啶位点的集成学习框架，Cells，81332（2019）·doi:10.3390/cells8111332 [20] M、 i4mC小鼠：使用多种编码方案改进了小鼠基因组中DNA N4-甲基胞嘧啶位点的识别，Compute。结构。生物技术。J.，18，906-912（2020）·doi:10.1016/j.csbj.2020.04.001 [21] P.Ye，Y.Luan，K.Chen，Y.Liu，C.Xiao，Z.Xie，MethSMRT:通过单分子实时测序生成的DNA N6-甲基腺嘌呤和N4-甲基胞嘧啶的综合数据库，核酸研究。，（2016），DOI:10.1093/nar/gkw950。 [22] A、 随机森林分类和回归，R.News，2，18-22（2002） [23] N、 mRMRe:并行化mRMR集成特征选择的R包，生物信息学，292365-2368（2013）·doi:10.1093/bioinformatics/btt383 [24] W、 蛋白质亚高尔基体定位中的机器学习方法简介，Curr。生物信息。，14, 234-240 (2019) ·doi:10.2174/157489361366618113131415 [25] K、 iMRM：一个同时识别多种RNA修饰的平台，生物信息学，363336-3342（2020）·doi:10.1093/bioinformatics/btaa155 [26] 五十、 CD-HIT：加速聚类下一代测序数据，生物信息学，283150（2012）·doi:10.1093/bioinformatics/bts565 [27] B.Liu，X.Gao，H.Zhang，BioSeq-Analysis2.0：基于机器学习方法在序列水平和残基水平分析DNA、RNA和蛋白质序列的更新平台，核酸研究。，47（2019），e127。 [28] Y.J.Tang，Y.H.Pang，B.Liu，IDP-Seq2Seq：基于序列到序列学习的内在无序区域识别，生物信息学，（2020），DOI:10.1093/bioinformatics/btaa667。 [29] N、 ACPred:预测和分析抗癌肽的计算工具，分子，241973（2019）·doi:10.3390/分子24101973 [30] P、 iBitter SCM：使用二肽倾向评分的记分卡方法鉴定和表征苦味肽，基因组学，1122813-2822（2020）·doi:10.1016/j.ygeno.2020.03.019 [31] P、 iTTCA-Hybrid：利用杂交特征表示改进和稳健地识别肿瘤T细胞抗原，Anal。生物化学。，599, 113747 (2020) ·doi:10.1016/j.ab.2020.113747 [32] N、 Meta-iAVP：一种基于序列的Meta-predictor，用于使用有效的特征表示改进抗病毒肽的预测，国际分子科学杂志。，20, 5743 (2019) ·doi:10.3390/ijms20225743 [33] P、 Meta-iPVP：一种基于序列的Meta-predictor，用于使用有效的特征表示改进噬菌体病毒蛋白的预测，J.Compute。辅助分子设计。，34, 1105-1116 (2020) ·doi:10.1007/s10822-020-00323-z [34] 五、 TargetAntiAngio:一种基于序列的抗血管生成肽预测和分析工具，国际分子科学杂志。，20, 2950 (2019) ·doi:10.3390/ijms20122950 [35] Y、 PseKRAAC：一个灵活的web服务器，用于生成伪k元组减少的氨基酸组成，生物信息学。，33, 122-124 (2017) ·doi:10.1093/bioinformatics/btw564 [36] D、 iBLP：一种用于识别生物发光蛋白的基于xgboost的预测因子，Comput。数学。方法医学，2021，15（2021）·Zbl 07314318号 [37] Z、 为智人mRNA亚细胞位置预测设计强大的预测因子，Brief Bioninform。，22, 526-535 (2020) [38] F、 哺乳动物多组织中N6-甲基腺苷位点的计算鉴定。结构。生物技术。J.，18，1084-1091（2020）·doi:10.1016/j.csbj.2020.04.015 [39] H、 酿酒酵母重组热点识别计算方法的比较与评估。，21, 1568-1580 (2020) ·doi:10.1093/bib/bbz123 [40] 杜良杰，李晓丽，丁海霞，徐丽霞，项海霞，RNA假尿苷修饰预测问题中是否存在序列特征？摩尔理论。核酸。, 19 (2020), 293-303. [41] H、 iCircDA-MF：基于矩阵分解的circRNA-disease关联识别，简要生物信息。，21, 1356-1367 (2020) ·doi:10.1093/bib/bbz057 [42] L.Zheng，D.Liu，W.Yang，L.Yang，Y.Zuo，RaacLogo：使用还原氨基酸簇的新序列标志生成器，简要生物信息。，（2020年），DOI:10.1093/bib/bbaa096。 [43] H.Lv，F.Y.Dao，H.Zulfiqar，W.Su，H.Ding，L.Liu，等，基于序列的深度学习方法预测CTCF介导的染色质环，简要生物信息。，（2021），DOI:10.1093/bib/bbab031。 [44] F、 一个识别真核生物复制位点起源的计算平台，Brief Bioinform。，22, 1940-1950 (2020) [45] B、 生物序列分析：DNA平台。基于机器学习方法的RNA和蛋白质序列分析，Brief Bioninform。，20, 1280-1294 (2019) ·doi:10.1093/bib/bbx165 [46] L.Zheng，S.Huang，N.Mu，H.Zhang，J.Zhanng，Y.Chang，et al.，RAACBook:一个简化氨基酸字母表的web服务器，用于使用Chou的五步规则进行序列相关推理，数据库-Oxford2019年（2019年），baz131。 [47] F、 使用两步特征选择技术识别酿酒酵母中复制的起源，生物信息学，352075-2083（2019）·doi:10.1093/bioinformatics/bty943 [48] C、 iTerm-PseKNC：预测细菌转录终止子的基于序列的工具，生物信息学，351469-1477（2019）·doi:10.1093/bioinformatics/bty827 [49] J.Shao，K.Yan，B.Liu，FoldRec-C2C：结合聚类模型和蛋白质相似性网络进行蛋白质折叠识别，简要生物信息。，（2020年），DOI:10.1093/bib/bbaa144。 [50] 五十、 基因治疗的计算和生物方法。基因治疗。，19, 210-210 (2019) ·doi:10.2174/156652321904191022113307 [51] L、 识别类似疾病的计算方法，Mol.Ther。核酸。，18, 590-604 (2019) ·doi:10.1016/j.omtn.2019.09.019 [52] 五十、 gutMDisorder:《紊乱和干预中肠道微生物群失调的综合数据库》，《核酸研究》，48，D554-D560（2020）·doi:10.1093/nar/gkz843 [53] H、 通过分子对接方法筛选作为H1R和CL1R抑制剂的潜在植物化合物及其抗过敏功效，计算。数学。方法医学，2021，9（2021）·Zbl 07314320号 [54] 十、 通过评估不同特征预测低相似度序列的蛋白质结构类别，Knowl。基于系统。，163, 787-793 (2019) ·doi:10.1016/j.knosys.2018.10.007 [55] Q、 一种新的特征排名指标，应用于可扩展的视觉和生物信息学数据分类，神经计算，173346-354（2016）·doi:10.1016/j.neucom.2014.12.123 [56] N.Rachbure，W.Punlumjeak，《教育挖掘中贪婪、ig-ratio、chi-square和mRMR之间的特征选择方法比较》，2015年第七届信息技术与电气工程国际会议（ICITEE）IEEE，（2015），第420-424页。 [57] Z、 结合相对表达顺序和机器学习方法Front早期诊断胰腺导管腺癌。细胞发育生物学。，8, 1076 (2020) [58] H、 基于最大相关性、最大相关性和最小冗余的互信息准则的特征选择，IEEE Trans。模式分析。马赫。智力。，2012年12月27日至1238日（2005年）·doi:10.1109/TPAMI.2005.159 [59] J、 基于机器学习方法的激素结合蛋白识别，数学。Biosci公司。工程，16，2466-2480（2019）·Zbl 1501.92101号 ·doi:10.3934/mbe.2019123年 [60] H、 《不同计算方法对5-甲基胞嘧啶位点鉴定的评估》，Brief Bioninform。，21, 982-995 (2020) ·doi:10.1093/bib/bbz048 [61] X、 AdaBoost与基于svm的分量分类器，Eng.Appl。Artif公司。智力。，21, 785-795 (2008) ·doi:10.1016/j.engappai.2007.07.001 [62] E、 使用weka的生物信息学数据挖掘，生物信息学。，20, 2479-2481 (2004) ·doi:10.1093/bioinformatics/bth261 [63] 十、 结合基于距离的top-n-gram和随机森林来识别电子传递蛋白，J.Proteom。研究，18，2931-2939（2019）·doi:10.1021/acs.jproteome.9b00250 [64] Z、 RF PseU：RNA假尿苷位点的随机森林预测因子，Front。比昂。生物技术。，8, 134 (2020) ·doi:10.3389/fbioe.2020.00134 [65] L.Breiman，随机森林，马赫学习。，45 (2001), 5-32. ·Zbl 1007.68152号 [66] A、 机器学习与科学基础学习神经成像，Front。神经信息。，8, 14 (2014) [67] P、 单细胞转录组的机器学习通过比较f评分选择和DGE分析，高度识别mRNA特征，Mol.Ther。核酸。，20, 155-163 (2020) ·doi:10.1016/j.omtn.2020.02.004 [68] Z、 DNA甲基化：在哺乳动物发育中的作用，《自然遗传学评论》。，14, 204-220 (2013) [69] K、 XG-PseU：一种基于极端梯度增强的识别假尿苷位点的方法，分子遗传学。基因组。，295, 13-21 (2020) ·doi:10.1007/s00438-019-01600-9 [70] 五、 两个样本标志：两组序列比对之间差异的图形表示，生物信息学。，22, 1536-1537 (2006) ·doi:10.1093/生物信息系统/btl151 [71] Y、 PSAC：通过网络边缘的深度学习实现主动序列软件内容缓存，IEEE Trans。Netw公司。科学。工程师，7，2145-2154（2020）·doi:10.1109/TNSE.2020.2990963 [72] H、 iDNA-MS：检测多基因组DNA修饰位点的集成计算工具，iScience，23100991（2020）·doi:10.1016/j.isci.20.100991 [73] H.Xu，P.Jia，Z.Zhao，Deep4mC：通过深度学习对DNA N4-甲基胞嘧啶位点进行系统评估和计算预测，简要生物信息。，（2020年），DOI:10.1093/bib/bbaa099。 [74] Q.Liu，J.Chen，Y.Wang，S.Li，C.Jia，J.song，et al.，DeepTorrent:基于深度学习的DNA N4-甲基胞嘧啶位点预测方法，简要生物信息。，（2020），内政部：10.1093/bib/bbaa124。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。