孙华　张燕　施伟

摘要：由于miRNA的复杂性，只在调控时袁征出来，因此对于miRNA的识别工作难度很大。事实上，在miRNA分类问题中，有多种分类方法，如支持向量机、马尔科夫链模型、非负矩阵分解、KNN算法等，该文对前期研究报告中用到的分类方法做比较，找出各类方法的特点及使用环境，为后续研究做准备。

关键词：miRNA；支持向量机；马尔科夫链模型；非负矩阵分解；KNN算法

miRNA是真核生物中的一组内源性非编码序列RNA分子，个体很小，只有不到24m，因为难被发现，所以也被称为真核生物体内的“暗物质”。但它能在细胞发育、生物细胞的凋亡与增殖，器官形成过程中起重要作用，具备调控功能。因此，miRNA的研究对疾病防治以及生物进化等都具有重要意义。也因此有越来越多的生物学家对miRNA在各种疾病的诊断和治疗等方面的应用寄予了极高的期望。对于miRNA的识别主要有两个阶段：寻找有效的特征选择方法一寻找分类效率高的分类器。以下就对目前研究识别工作的分类器进行一一比较。

1支持向量机（SVM）方法

发现miRNA的方法主要有计算预测和eDNA克隆测序两种，支持向量机（SVM）法已经被广泛应用在miRNA预测中，通过合理的特征提取与编码，SVM分类器可以达到较高的分类精度，但以往的模型通过单物种的miRNA序列或前体序列建立模型，在对其他物种的预测中分类精度往往会有所降低，并且没有形成一套从前体结构预测到成熟miRNA预测的完整流程。2012年孙超等人基于支持向量机分类算法的番茄miRNA预测，利用SVM方法构建sly_pre_SVM模型和sly_SVM模型，并以已发现的miRNA特征为基础，预测番茄前体miRNA序列和成熟miRNA序列。……