本文对miRNA-靶位点配对的序列特征做研究,主要目的在于丰富miRNA的靶标识别方法,提升靶标识别水平,助力研究人员深入了解miRNA的调控机制和在各种活动中行使的功能,发现miRNA与其他基因、蛋白质、疾病间的联系。miRNA调控是基因表达调控的重要方式之一。基因调控是指基因的表达随着组织细胞及个体发育的阶段以及内外环境变化的不同,而表现为不同的表达模式。它是生物体内细胞分化、形态发生和个体发育的分子基础。miRNA作为影响基因表达调控的重要因素,是一种长度约为22个核苷酸的非编码小RNA分子,它广泛存在于动植物和病毒的体内,它们可以使mRNA裂解或者阻碍其翻译,积极地发挥着调节基因表达的作用。本文靶位点配对的序列特征研究的主要思路为:1)在miRNA研究的最重要数据集CLASH上提取miRNA和其配对的靶位点信息构造实验样本,通过将miRNA-靶位点配对序列二进制化并做序列化分析,根据分析结果建立并提出了多个miRNA-靶位点配对的全部和局部序列得分特征;2)根据前人所提出和认可的相关特征,引入了多个miRNA和靶位点结合的生物学和序列特征,如最小自由能、靶位点的可接入性、序列保守性等,构造整个数据集合,使用mRmR算法选出了最优的特征子集,并使用随机森林建模,通过大量的参数训练选择最优的实验参数;3)使用不同的负样本,对模型进行了大量重复训练,采用交叉验证的方式计算模型的性能,对此模型的鲁棒性进行评估与定性。并与其它多个采用同样数据集的模型进行了性能比对,以验证新提出的特征的有效性。基于生物大数据,采用机器学习的方法研究miRNA靶标识别是近年来的热点。但基于miRNA与其靶基因的作用机制十分复杂,难以提出更加合理的特征,同时样本的不确定性也阻碍了研究人员的进一步研究。而本文的实验结果则表明,论文所提出的方法构建的模型更加优于传统的方法,模型的各项指标都有大幅增长,其ROC和PRC更是超过了0.95,模型经过大量重复的实验,各项指标均无较大波动,体现了模型优秀的性能和强健的鲁棒性。相比于传统方法提出的特征,本方法增加了miRNA序列匹配的全局和局部打分,对miRNA靶标识别做了更加全面的考量,弥补了传统方法的不足。同时本文实验结果也表明,本方法提出的理论正确,可执行性和拓展性强,对于新增的特征更可以提供具体序列功能性的解释,这有利于我们进一步的研究,从而推动miRNA靶标的识别研究,助力交叉学科发展。