基于mRNA结构信息挖掘及多机器学习方法融合的SiRNA设计算法研究

RNAi是一种转录后水平的基因沉默现象，在疾病治疗和生物制药等领域具有重大意义。影响RNAi实验成功与否的重要因素是对siRNA片段的设计，而siRNA的特征是决定设计效率的关键。现在通常的siRNA设计算法中所采用的特征并不完善，存在着片面性、泛化能力差甚至互相矛盾等问题，对影响RNA功能的重要特征- - mRNA的结构信息还缺乏有效地利用。.课题将根据目前siRNA实验数据的特点对影响siRNA沉默效率的特征进行进一步挖掘和分析，特别是利用在RNA结构研究方面的基础对mRNA的平面和空间结构信息特征进行挖掘；在此基础上将对不同特点的机器学习方法进行有效结合来进一步增强siRNA的设计效率。课题将构建完整的siRNA设计平台，并和生物制药公司合作进行实验验证。

作为RNAi 的激发分子和关键效应分子，siRNA的沉默效率是决定RNAi实验成功与否的关键因素，因此siRNA设计是RNAi研究领域的一个重要关键性课题。项目针对siRNA有效性设计所涉及的关键问题进行了深入研究，研究工作包括：1.利用XML数据关键字检索系统整理和扩充了siRNA样本数据库；2.制定了一组siRNA有效性设计规则；3.提出了基于启发式策略的二级结构预测算法，并应用于siRNA序列的筛选；4.训练得到基于SVM和BP神经网络线性组合的siRNA有效性预测模型；5.开发了siRNA Designer原型系统，交付合作的生物公司实测。以上成果分别发表于ISBRA、Applied Mechanics and Materials、通信学报等国际会议和国内外期刊上，初步解决了siRNA有效性设计中的关键问题。项目研究进展工作顺利，并达到预期研究目标。资助研究生4名，为深入研究RNAi技术领域的其他问题奠定了坚实的基础。