修剪算法提升多环pre-miRNA预测：新方法与SVM分类器性能

本文主要探讨了在微RNA前体(pre-miRNA)的研究中，特别是在处理具有多个茎环的pre-miRNA时，如何利用修剪算法进行有效预测和鉴定。传统上，许多计算预测方法往往忽略了这类复杂的pre-miRNA结构，然而，随着miRNA的不断发现，带有多个茎环的pre-miRNA并不罕见。因此，对于此类pre-miRNA的准确识别变得至关重要。 作者提出了一种新颖的修剪算法，该算法首先通过栈算法对pre-miRNA的二级结构进行细致描述，以四种不同的模式来解析其复杂结构。然后，递归算法被用于拆分pre-miRNA的多个茎环，将其转化为一系列较小的分支，以便更好地理解和分析。在这个过程中，主要分支被认为是关键信息，因为它承载了pre-miRNA的核心特征。 为了提取和利用这些主要分支信息，作者选取了一些特征来表征pre-miRNA的固有属性。接着，支持向量机(SVM)分类器被应用于训练和测试数据集，具体使用的是miRBase 12.0，结果显示，该模型在鉴定具有多个茎环的pre-miRNA（RM-POS）方面的敏感性达到了75.76%，在区分真实pre-miRNA（RM-CDS）和非编码区域（RM-NCR）方面表现出很高的特异性，分别为98.12%和91.28%。 这项研究的结果表明，通过修剪算法处理后的主要分支信息能够有效地捕捉到带有多个茎环的pre-miRNA的内在特性，为这类pre-miRNA的预测和鉴定提供了一种新的、精确的方法。这对于深入了解pre-miRNA的生物功能以及在后续的基因调控网络研究中都有着重要的意义。未来的研究可以进一步优化算法性能，提高预测精度，或者探索其他机器学习模型在多茎环pre-miRNA识别中的应用。