轉(zhuǎn)錄因子結(jié)合位點(diǎn)和順式調(diào)控模塊識(shí)別方法的研究.pdf

1、DNA序列中轉(zhuǎn)錄因子結(jié)合位點(diǎn)的識(shí)別是解碼轉(zhuǎn)錄調(diào)控的重要任務(wù)之一。但是，從真核生物千兆數(shù)量級(jí)的堿基對(duì)中正確識(shí)別轉(zhuǎn)錄因子結(jié)合位點(diǎn)面臨著巨大挑戰(zhàn)。為解決這一難題，本文從兩方面展開(kāi)研究：利用遺傳表觀數(shù)據(jù)來(lái)提高單轉(zhuǎn)錄因子結(jié)合位點(diǎn)識(shí)別的準(zhǔn)確率，以及利用頻繁項(xiàng)集挖掘技術(shù)識(shí)別順式調(diào)控模塊。
　　研究表明，遺傳表觀數(shù)據(jù)中DNase I數(shù)據(jù)、組蛋白修飾數(shù)據(jù)等其它數(shù)據(jù)有助于提高轉(zhuǎn)錄因子結(jié)合位點(diǎn)識(shí)別的準(zhǔn)確率。
　　本文首先將轉(zhuǎn)錄因子結(jié)合位點(diǎn)識(shí)別問(wèn)題

2、轉(zhuǎn)換為有監(jiān)督分類(lèi)學(xué)習(xí)問(wèn)題。本文利用PWM得分結(jié)合DNase I數(shù)據(jù)，根據(jù)不同的模型組合成不同的特征向量，分別利用SVM和logistic回歸分類(lèi)器進(jìn)行訓(xùn)練和預(yù)測(cè)。通過(guò)不同模型比較研究，發(fā)現(xiàn)將DNase I數(shù)據(jù)進(jìn)行適當(dāng)?shù)那蟹?，能更好的反映出DNase I數(shù)據(jù)總量特征以及DNase I數(shù)據(jù) footprint特征，從而有助于提高識(shí)別的準(zhǔn)確率。同其它方法相比較，這種基于有監(jiān)督分類(lèi)學(xué)習(xí)的識(shí)別方法的識(shí)別效果是非常具有競(jìng)爭(zhēng)力的。
　　為了將每

3、個(gè)掃描出的位點(diǎn)的正確性給以概率上的說(shuō)明，本文接著深入研究了一種基于遺傳表觀先驗(yàn)信息的轉(zhuǎn)錄因子結(jié)合位點(diǎn)識(shí)別方法。本文提出了將有監(jiān)督學(xué)習(xí)得到的位置先驗(yàn)信息和一種基于 Bayes決策理論的得分相結(jié)合的思想，并說(shuō)明了其合理性。通過(guò)實(shí)驗(yàn)同其它方法進(jìn)行比較，結(jié)果表明這種結(jié)合是有效的。
　　轉(zhuǎn)錄調(diào)控通常需要多個(gè)轉(zhuǎn)錄因子的合作，它們的轉(zhuǎn)錄因子結(jié)合位點(diǎn)之間距離較近，組成相應(yīng)的順式調(diào)控模塊。有順式調(diào)控模塊的區(qū)域比只有單個(gè)轉(zhuǎn)錄因子結(jié)合位點(diǎn)的區(qū)域更可能是

4、轉(zhuǎn)錄調(diào)控區(qū)域，預(yù)測(cè)順式調(diào)控模塊從而推斷轉(zhuǎn)錄因子結(jié)合位點(diǎn)的分布，也可以提高轉(zhuǎn)錄因子結(jié)合位點(diǎn)預(yù)測(cè)的準(zhǔn)確率。
　　本文提出一種基于頻繁項(xiàng)集挖掘技術(shù)的順式調(diào)控模塊識(shí)別方法FCLOVER。該方法通過(guò)挖掘頻繁模體對(duì)，結(jié)合一種能量得分度量函數(shù)識(shí)別順式調(diào)控模塊。該能量得分函數(shù)充分結(jié)合了模體對(duì)的統(tǒng)計(jì)顯著性，近鄰約束，以及兩種支持度度量標(biāo)準(zhǔn)。通過(guò)能量得分曲線(xiàn)可以提取確切的順式調(diào)控模塊區(qū)域。本文通過(guò)實(shí)驗(yàn)探究了各種因素對(duì)該方法的影響，并將該方法和前沿的順