基于XGBoost的启动子及其类型识别的两层预测器

作者：胡仔豪

来源：现代信息科技, 2023, 7(07): 78-81.

DOI：10.19850/j.cnki.2096-4706.2023.07.020

• 启动子
• 启动子识别
• 卷积神经网络
• 多特征融合
• XGBoost

启动子的分类已成为一个有趣的问题，并引起了生物信息学领域许多研究人员的关注。为解决这一问题，进行了多种研究，但其性能结果仍需进一步改进。为此，基于机器学习和深度学习算法，引入了一种智能计算模型，即iPSI(2L)-XGBoost，用于区分启动子及其强弱。所提出的计算模型iPSI(2L)-XGBoost能够在两层中分别达到86.79%和78.64%的交叉验证精度，就所有评估指标而言，拟议的iPSI(2L)-XGBoost模型比其他模型获得了有效的成功率。因此，iPSI(2L)-XGBoost模型将为启动子鉴定的学术研究提供一个有用的工具。

• 出版日期2023
• 单位景德镇陶瓷大学