python - 预测核苷酸序列效率

Question

我是机器学习新手，我想知道是否可以使用我可用的生物数据进行聚类。我想知道一组DNA序列是否可以聚类成两组，高效组和无效组。

我有五组，每组包含大约 480 个短序列(我们称它们为样本)。每组都有不同强度的效果:

Set1 - 效果非常好

Set2 - 效果不错

Set3 - 次要影响

Set4 - 影响非常小

Set5 - 无效果

每个样本都有一些特征，例如自由能，从特定的核苷酸开始......

现在我的问题是我是否可以找出我的集合中哪种类型的样本对整个集合的效果起作用。我唯一的假设是，在 set1 中，我比在 set5 中拥有更有效的样本(没有或很少)。一个非常简单(不现实)的结果可能是，所有以核苷酸“A”开头、以核苷酸“C”结尾的样本都会产生这种效应。

是否可以使用机器学习来找出答案？

谢谢!

Answer 1

这听起来确实是一个机器学习可以给出良好结果的问题。我建议您查看scikit-learn ，一个强大且易于使用的 Python 机器学习工具包。有许多介绍性示例和教程可用。

对于您的用例，我想说随机森林可以给出良好的结果，尽管在不了解更多数据结构的情况下很难说。它们可在类 RandomForestClassifier 中找到。在sklearn中。同样，有很多教程和示例可供找到。

<小时/>

由于您的训练数据未标记，您可能需要研究无监督学习方法。此类方法的一类简单方法是聚类算法。例如，在 sklearn 中，您可以找到 k-means clustering以及其他此类算法。这个想法是让算法将您的数据分成不同的集群，并查看集群成员资格和观察到的效果之间是否存在任何相关性。