Разработка алгоритмов и автоматизированных программных средств для классификации кодирующих и некодирующих нуклеотидных последовательностей

Abstract

Классификация кодирующих и некодирующих нуклеотидных последовательностей фрагментов молекул ДНК генома человека - наиболее обсуждаемый вопрос в современной биоинформатике. Важной задачей при классификации нуклеотидных последовательностей без выравнивания является выбор модели построения вектора признаков. В ходе работы выявлен ряд статистических закономерностей, которые позволяют различать тип нуклеотидной последовательности, а именно частоты мотивов TA, CG, AAA, TTT, длина последовательности, признаки начала последовательности с мотивами CTG, CTA, GTG или GTA. Точность классификатора на основе метода «случайного леса» с применением данных признаков составила 7,7 %.