论文部分内容阅读
通过选取人类启动子与非启动子序列中不同的k-mer作为预测算法的基础特征，分别以三个区域（-249～-1；0～＋50；-30～＋30）的6-mer频数作为离散源参数构建离散增量，同时选取24个位点（-31～-21；-4-＋2；＋25-＋29）的3-mer频数作为位置打分函数的参数，分别利用支持向量机和马氏判别式为判别函数对启动子进行预测。用10折叠交叉检验来衡量两种算法的预测能力，预测结果成功率分别达到87．0％和87．9％。对于独立检验集，敏感性分别为62．7％和76．0％，特异性分别为77．5％和66