酶-i6mA:使用XGB-RFE特征选择和集成机器学习识别DNAN6Methyladenine站点

科学领域:

• 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.

背景情况:

• DNA N6-甲基胺 (6mA) 是一种关键的表观遗传修饰,参与基因调节.
• 对于6mA位点识别的实验方法是昂贵且耗时的.
• 准确的6mA位点预测对于理解其生物作用至关重要.

研究的目的:

• 开发一种新的计算工具,Ense-i6mA,用于预测DNA序列中的6mA位点.
• 为实验性6mA检测方法提供高效准确的替代方案.

主要方法:

• 使用了五种DNA序列编码方案:一热,gcContent,Z曲线,K-mer频率和K-mer频率与间隙.
• 采用 eXtreme梯度增强与递归特征消除用于特征选择和降噪.
• 集成的额外树木,极端梯度提升,轻梯度提升机,支持向量机作为基本分类器.
• 通过平均化来增强概括和推断最终6mA站点结果的聚合基准分类器预测.

主要成果:

• 在对Arabidopsis thaliana和Drosophila melanogaster的基准数据集上,Ense-i6mA获得了高性能.
• 接收器运行特征曲线 (AUROC) 下的实现面积值为0.967和0.968.
• 报告的准确率为91.4%和92.0%,而马修的相关系数 (MCC) 为0.829和0.842.
• 超过了现有的几种最先进的6mA预测方法.

结论:

• Ense-i6mA是一种高效的计算方法,用于预测DNA6mA位点.
• 与实验技术相比,该方法在速度和成本方面具有显著的优势.
• Ense-i6mA为表观遗传学研究和功能基因组学研究提供了宝贵的工具.