真核基因轉(zhuǎn)錄因子結(jié)合位點(diǎn)的識(shí)別研究.pdf

1、計(jì)算機(jī)方法識(shí)別轉(zhuǎn)錄因子結(jié)合位點(diǎn)(transcription factor binding sites,TFBS,也稱motif,、模式)是目前生物信息學(xué)的一個(gè)很有吸引性和挑戰(zhàn)性的課題。準(zhǔn)確的轉(zhuǎn)錄因子結(jié)合位點(diǎn)的預(yù)測(cè)和識(shí)別方法可以為生物學(xué)實(shí)驗(yàn)研究提供重要的參考信息,對(duì)促進(jìn)調(diào)控網(wǎng)絡(luò)的研究也具有重要的意義。本文主要對(duì)真核基因的轉(zhuǎn)錄因子結(jié)合位點(diǎn)進(jìn)行了預(yù)測(cè)和識(shí)別研究,提出了三個(gè)改進(jìn)算法,并結(jié)合酵母全基因組的核小體占位分布和轉(zhuǎn)錄因子結(jié)合位點(diǎn)的數(shù)據(jù)進(jìn)行

2、了分析研究。
　　 由于吉布斯采樣(gibbs sampling)的敏感性和快速收斂特性,該方法是目前序列模式識(shí)別的一個(gè)很有效的啟發(fā)式方法。但這種方法不是采用窮盡搜索的方式,而是啟發(fā)式地去搜索一個(gè)數(shù)學(xué)上的最優(yōu)對(duì)齊,容易陷入一個(gè)非全局最優(yōu)的局部最大值。為了解決這個(gè)問題,本文提出了一個(gè)改進(jìn)的吉布斯采樣算法MPWGMS(multiple position weight matrices gibbs motif sampling)。在這

3、個(gè)算法中,主要提出采用多個(gè)motifs同時(shí)采樣和更新,引入多個(gè)采樣列的位置權(quán)重矩陣的修正方案,更大程度上尋找全局最大值。
　　 為了提高識(shí)別酵母基因序列的真實(shí)的轉(zhuǎn)錄因子結(jié)合位點(diǎn)的性能,在上一個(gè)改進(jìn)的吉布斯采樣算法MPWGMS的基礎(chǔ)上,結(jié)合生物學(xué)的先驗(yàn)知識(shí),提出了一個(gè)酵母基因轉(zhuǎn)錄因子結(jié)合位點(diǎn)的識(shí)別算法YGMS(yeast gibbs motif sampling)。在YGMS中,我們結(jié)合酵母基因序列的先驗(yàn)知識(shí),在傳統(tǒng)的信息含量計(jì)分

4、函數(shù)基礎(chǔ)上增加相對(duì)于背景模型的一階模式模型的對(duì)數(shù)似然計(jì)分函數(shù),并設(shè)定采樣位點(diǎn)的計(jì)分閾值選擇更優(yōu)的序列采樣初始位點(diǎn),代替了傳統(tǒng)的完全隨機(jī)選擇方式。
　　 為解決(15,4)-模式(即模式的長(zhǎng)度為15,每個(gè)序列的模式與共有的模式可能有最多4個(gè)錯(cuò)配的核苷酸)的問題,我們提出了一個(gè)基于神經(jīng)網(wǎng)絡(luò)的解決方法IMTM(identification of motifs using two models)。IMTM通過對(duì)樣本的序列進(jìn)行變異操作,并

5、和網(wǎng)絡(luò)中的其它序列片段進(jìn)行搜索和計(jì)算,搜索符合使變異了的模式和輸入樣本之間漢明距離最小化的模式序列,從而達(dá)到識(shí)別這類挑戰(zhàn)性問題的模式。
　　 結(jié)合酵母全基因組的表達(dá)調(diào)控、核小體占位情況以及轉(zhuǎn)錄因子的結(jié)合位點(diǎn)和親和力等數(shù)據(jù),我們進(jìn)行了系列的分析和研究,發(fā)現(xiàn)轉(zhuǎn)錄因子結(jié)合親和力和對(duì)應(yīng)的結(jié)合位點(diǎn)的核小體占位率具有明顯的相關(guān)性,核小體占位率越高,結(jié)合位點(diǎn)的轉(zhuǎn)錄因子結(jié)合親和力就越弱,反之,核小體占位率越低,結(jié)合位點(diǎn)的轉(zhuǎn)錄因子結(jié)合親和力就越強(qiáng)