《表1 预测miRNA靶基因的代表性ab initio方法Tab.1 ab initio methods for miRNA target prediction》
在此,研究可得如上各类方法的主题网址及实用预测结果的对照比较,具体见表1。通过上述内容分析可知,ab initio算法的不足是预测的结果假阳性颇高。其有效的技术策略是,通过上述内容分析可知,ab initio算法使用严格的限制条件来减少假阳性预测结果的数量。然而,过滤也会使一些真正的靶基因发生丢弃。比如Pic Tar,Target Scan和DIANA,为了获取可观的正确度(约50%),这些算法具有显著妥协的敏感度(约10%)。而机器学习算法是实验支持的反例数量偏低(反例通常不会公开发布并且不会记录在数据库中),导致正例和反例数量未臻均衡,影响分类模型的预测准确度。因此,接下来在分述机器学习算法的同时,也将全面拓展式地概述了这些方法所用的数据。
图表编号 | XD0015508900 严禁用于非法目的 |
---|---|
绘制时间 | 2018.02.28 |
作者 | 程爽、郭茂祖、武雪剑 |
绘制单位 | 哈尔滨工业大学计算机科学与技术学院、哈尔滨工业大学计算机科学与技术学院、哈尔滨工业大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |