| 主权项 |
基于ARM微处理器的siRNA干扰效率预测的系统，其模块单元及相应操作包括下列步骤：1)siRNA序列预处理模块，siRNA序列是由A、U、G、C四种碱基组成的长度为19或21的一串字符：首先将siRNA序列输入CPLD，CPLD是复杂可编程逻辑器件，属于大规模集成电路范围，用户能够根据需要自行构造逻辑功能；其次通过特征提取规则表将siRNA序列以编码的形式存储于静态存储器SRAM中，特征提取规则表存放的是特征对应的编码，通过查此表，即可获得相应siRNA的编码序列，该表存在于计算机系统中，并可实时调用，它将所获取的siRNA序列转换为易于系统分析的数字模式，特征提取规则表中所用的特征包括：siRNA序列特征、mRNA序列特征和结构特征，其中siRNA序列特征：第一类特征为siRNA序列中每位碱基的数字化编码，A为0.1，U为0.2，G为0.3，C为0.4；第二类特征为siRNA序列中1‑3mer motif的频率，1mer频率指碱基A、U、G、C在siRNA序列中的频率，2mer频率指碱基A、U、G、C任意两者组合成的16个碱基组在siRNA序列中的频率，3mer频率指碱基A、U、G、C任意三者组合成的64个碱基组在siRNA序列中的频率；第三类特征为由能量表示的靶序列与siRNA反义链形成的双链稳定性，按Watson‑Crick碱基结合能量规则计算双链结合能，每次取相邻两对碱基结合能量，最后将所有能量求和；第四类特征为siRNA双链5′端能量差，反义链5′端4对碱基能量和与正义链5′端4对碱基能量和之间的差；mRNA序列特征和结构特征：第一类特征为mRNA序列中1‑3mer motif的频率，1mer频率指碱基A、U、G、C在mRNA序列中的频率，2mer频率指碱基A、U、G、C任意两个组合成的16个碱基组在mRNA序列中的频率，3mer频率指碱基A、U、G、C任意三者组合成的64个碱基组在mRNA序列中的频率；第二类特征为mRNA的GC含量，计算碱基G、C在mRNA序列所占比例；第三类特征为mRNA长度，mRNA中碱基个数；第四类特征为mRNA茎比率，mRNA通过结构预测得到的茎区比例；2)siRNA干扰效率的预测模块：首先将siRNA序列对应的数字化信息，载入到随机森林模型中；其次根据已知样本的siRNA序列对应的数字化信息，建立优化的随机森林模型，通过调解相应的参数，采用bootstrap抽样方法产生out‑of‑bag数据，进行OOB估计，得到随机森林的泛化误差估计，使模型的分类器对训练集之外数据的误分率，即泛化误差最小；最后输入需要预测的siRNA序列对应的数字化信息到已建立的随机森林模型中，进行干扰效率预测，最后将预测的结果输出到LCD液晶显示器。 |
