基于cis順式元件的衣藻poly(A)位點的識別研究.pdf

1、自從全基因組測序成為可能以來，基因組結(jié)構(gòu)注釋(包括了解基因組DNA中的基因組成、結(jié)構(gòu)及其調(diào)控元件)成為生物信息學(xué)研究的重要問題。隨著越來越多的生物體的DNA被測序出來，對大量的序列進行基因組分析并從中獲取有價值的信息變得日益重要。mRNA序列中多聚腺苷化位點(簡稱poly(A)位點)識別是基因識別的重要組成部分，對poly(A)位點的正確識別有助于確定基因編碼的終止位置，這在基因組分析中有重要的應(yīng)用意義。 人們普遍認為，用來識別

2、poly(A)位點的信號定位在剪切點的附近。在許多哺乳動物的poly(A)位點的上游10—35nt的區(qū)域定位了一個六聯(lián)子AAUAAA。由于其保守性，它通常被認為是poly(A)信號(PAS)。而且我們發(fā)現(xiàn)在酵母和哺乳類中出現(xiàn)的大部分cis順式元件也都存在于植物的poly(A)位點區(qū)域。此外，國際上最新的研究成果表明，在藻類的位點上游區(qū)域也存在poly(A)信號。因此，我們有理由相信，在所有真核細胞的poly(A)位點周圍存在著一些保守的

3、cis順式元件，這些cis順式元件對mRNA前體的多聚腺苷化過程(即poly(A)位點的形成過程)具有調(diào)控作用。 本文根據(jù)衣藻(Chlamydomonas)poly(A)位點上下游周圍序列cis順式元件的特征，運用層次聚類的方法來建立poly(A)位點的識別模型。對建立模型采用的訓(xùn)練集數(shù)據(jù)，使用Z算法進行提取，并通過WEKA supervised attribute filter進行特征篩選，獲得cis順式元件。接下來自定義了對

4、象間距離，采用層次聚類的方法對上述cis順式元件進行聚類得到cis順式元件組。最后轉(zhuǎn)化這些cis順式元件組為PSSM，依據(jù)PSSM建立用于分類的cis特征，分別采用決策樹分類法與貝葉斯分類法，構(gòu)建出完整的poly(A)位點識別模型。該模型可依據(jù)訓(xùn)練結(jié)果，對待測序列中可能含有位點的序列進行分類，判斷其中含有位點的情況。本文使用建立的識別模型對測試數(shù)據(jù)進行測試，并對兩種分類方法的識別結(jié)果進行對比和分析。模型的測試結(jié)果表明，本文所建立的模型是