DNAN6-甲基脱氧腺苷(DNA6mA)是原核生物中最为普遍的一种DNA甲基化修饰,是限制修饰系统重要组成部分,可协助摧毁外来的入侵DNA。随着测序技术发展,多种方法被应用于真核和原核生物基因组中DNA 6mA事件的检测,陆续有研究表明多种真核生物基因组中也存在丰富的DNA6mA甲基化修饰。目前,第三代单分子实时测序技术(SMRT-seq)可以在单核苷酸分辨率上检测到DNA6mA,运用该技术已解码2000多种细菌的表观组,并揭示了 DNA 6mA在细菌中基因表达调控功能。受相邻碱基中其他DNA甲基化修饰的影响,SMRT-seq检测DNA6mA时会产生假阳性,大多细菌基因组中DNA6mA丰度很高,少量的假阳性位点对后续结果影响不大,而真核生物基因组中DNA 6mA含量很低易湮没在假阳性位点中,需要针对性的技术降低检测假阳性。房刚等人利用天然样本与全基因组扩增(WGA)样本对照分析,有效减少了 DNA6mA错误位点,但WGA测序致使费用成倍增长。本文围绕DNA 6mA的检测识别,提出了一种基于SMRT-seq和机器学习的DNA 6mA预测方法,通过大量实验系统分析了特征构建、分类算法和检测原理对方法效率的影响。主要研究内容如下:1、简单介绍了 DNA6mA的研究背景、意义及其功能,比较分析了各种DNA6mA检测方法,为本文后续研究提供了理论基础。2、设计了两类SMRT-seq的特征提取方法。根据Pacific Biosciences三代测序原理,选取IPD作为评价指标检测DNA 6mA,一方面借助SMRT-seq流程结果,整合上下文信息后,通过递归消除法获得SMRT-seq的综合位点特征。另一方面,从原始测序数据入手,整理所有位置的IPD数据,利用递归消除降维处理,获取SMRT-seq的单分子层级特征。3、详细介绍与比较了六类机器学习算法。介绍了逻辑回归、线性判别分析、支持向量机等6种分类算法,比较他们在莱茵衣藻数据集的表现。对于SMRT-seq的综合位点特征,逻辑回归、K近邻和决策树的表现较好,准确率约为97%;而朴素贝叶斯的假阳性较低,为6.4%;线性判别分析不够灵敏,召回率为84.4%,其它几种算法都在85%～90%之间。对于SMRT-seq单分子层级特征,支持向量机表现较好,准确率为71%,召回率高达99%。4、提出了一种基于SMRT-seq和机器学习的DNA 6mA检测方法。根据Pacific Biosciences测序数据,整合上下文信息后,通过递归消除法获得SMRT-seq的综合位点特征和单分子层级特征,结合支持向量机(SVM),构建了 DNA6mA检测模型,并应用于莱茵衣藻和六种细菌。结果发现,95%以上被检测的莱茵衣藻的DNA6mA都落在motif和由MeDIP-seq检测所得DNA 6mA峰区域;与SMRT-seq相比,本文检测六种细菌的DNA 6mA,落在由MeDIP-seq检测DNA6mA峰区域的比例提升了2%至70%不等。可以证明,本文提出的基于SMRT-seq和支持向量机的DNA 6mA检测方法,提高了 DNA 6mA检测精度,有效降低了 DNA6mA的假阳性。