原核生物調控模體預測與分析.pdf

1、生物信息學起步于20世紀90年代，是一門新興的交叉學科.先進的測序技術使得各種生物的基因以及蛋白質序列被大量測出，為生物信息學的研究帶來了方便，但與此同時，也產生了海量的生物學數據，為我們如何分析處理這些數據帶來了挑戰(zhàn).
　　基因的表達調控是一個十分復雜的生物過程，基因調控網絡模型的構建也是生物信息學研究的重點與難點.原核生物的表達調控是通過RNA聚合酶與調控因子之間相互作用進行的，調控因子與DNA序列上特定的片段結合，從而調控基

2、因的表達，這些特定的片段通常都具有一定的保守性，我們稱之為調控模體.調控模體尤其是轉錄因子結合位點的準確預測是建立準確的調控網絡模型的關鍵所在，本文中主要對原核生物調控模體進行預測分析.
　　在本篇論文中，首先介紹了調控模體預測問題的研究背景和生物學意義，然后對已存在的調控模體預測算法進行了簡要的介紹與分析.在此基礎上，我們構造一個無向加權圖，并設計了一種新的基于圖理論的調控模體預測算法MDS，MDS算法主要包含搜索極大團、加點合

3、并、細化三個過程.然后通過結合regulonDB數據庫中真實數據與BOBRO，MEME，MotifClick調控模體預測算法進行比較分析可知，MDS算法能夠快速地識別調控模體序列同時能夠保證了預測結果具有一定的準確性，是一個好的算法.
　　本文的創(chuàng)新點在于:設計了一種新的基于圖理論的調控模體預測算法MDS，該算法中給出的極大團搜索的方法以及加點合并原則可以得到較多包含真實模體實例的子序列，同時又能減少了一些極大團的重復搜索，能夠在