1、由于密碼子的簡并性，同義突變并不改變最終的氨基酸序列，所以它在過去一直被認為是沉默的，是不會對生物個體產(chǎn)生任何影響的。但現(xiàn)在越來越多的實驗已經(jīng)證明同義突變可以通過不同的機制如密碼子使用偏好性，翻譯效率等擾亂基因的表達和細胞的功能進而影響疾病發(fā)生發(fā)展過程。同時，由于致病性的同義突變的發(fā)病率較低，如何正確區(qū)分致病性和中性的同義突變具有一定的挑戰(zhàn)性。近年來雖然已經(jīng)開發(fā)了許多用于預測單核苷酸突變體的功能影響的方法和工具，專門設計用于預測同義突變

2、的工具卻非常少，而且這些方法的預測性能還需進一步提升。根據(jù)當前同義突變預測方法的研究現(xiàn)狀，首先從數(shù)據(jù)和特征層面構(gòu)建了一個有較優(yōu)性能的預測模型IDSV(Identifying Deleterious Synonymous Variants)，然后從算法層面上對其進行優(yōu)化得到模型IDSV-Ⅱ(Identifying Deleterious Synonymous Variants-modelⅡ)以進一步提升預測性能。
　　在數(shù)據(jù)及特征層

3、面，首先通過采用來源可靠的均衡的訓練集數(shù)據(jù)，量化得到豐富的有較高分類能力的特征，并利用序列后向選擇方法得到了最優(yōu)特征子空間，最后使用合適的分類器隨機森林算法構(gòu)建了一種新的預測模型IDSV來預測有害同義突變。實驗結(jié)果表明，IDSV與SilVA，DDIG-SN，TraP，CADD和FATHMM-MKL這幾個預測突變有害性的工具相比更有優(yōu)勢。此外，實驗結(jié)果也表明保守性，剪切以及翻譯效率對于識別有害同義突變的作用較大。雖然功能區(qū)域注釋和序列特征

4、的分類預測能力不是很強，但它們能夠在與其他預測特征相結(jié)合時正確區(qū)分有害和良性同義突變體。因此保守性，剪切，序列，翻譯效率以及功能區(qū)域注釋特征都有利于預測有害同義突變。
　　在算法層面，基于上述簡單的預測模型IDSV，對其分類器進行了改進得到模型IDSV-Ⅱ以優(yōu)化預測性能。首先由于實驗數(shù)據(jù)較少，參考五折交叉驗證分割數(shù)據(jù)的方式將訓練集切割形成五個子訓練集和對應的五個子驗證集，并隨之構(gòu)建了五個子隨機森林模型。其次，隨機森林是一個基于決策

5、樹的bagging類型的集成學習算法，可能會集成一些與目標分類結(jié)果相關(guān)性較弱且相互之間冗余性較強的子樹，因此根據(jù)子驗證集的結(jié)果對每個子隨機森林模型中的子樹進行了相關(guān)性和冗余性篩選，并最終集成得到優(yōu)化后的隨機森林模型IDSV-Ⅱ。兩項綜合指標F-measure和AUC結(jié)果表明IDSV-Ⅱ與之前提出的模型以及現(xiàn)有的幾個預測工具相比性能有所提升。
　　近年來，生物醫(yī)學研究人員對同義突變相關(guān)研究越來越關(guān)注，這就使得同義突變的數(shù)據(jù)在不斷的擴