轉錄因子結合位點和動物毒素的分析與預測.pdf

1、轉錄因子結合位點的識別是闡明基因轉錄調控機制的重要環(huán)節(jié)，準確的轉錄因子結合位點的預測算法將有助于人們識別轉錄因子的目標基因，進而研究其在上游調控區(qū)中的位置對轉錄調控的影響。然而，目前存在的預測轉錄因子結合位點的算法所得結果的特異性普遍較低，因此有必要提出一種新的有效的理論預測算法。動物毒素能直接作用于藥物作用靶點，這使得動物毒素成為研究藥物靶點的重要工具。動物毒素還在離子通道的研究、藥物發(fā)現和殺蟲劑的合成方面有廣泛的應用。因此，預測動物

2、毒素就變得非常重要，有必要提出一種能準確鑒別動物毒素的理論算法。
　　 本文以轉錄因子結合位點、動物毒素、神經毒素、細胞毒素、突觸前神經毒素和突觸后神經毒素作為研究對象，利用位置關聯(lián)性打分方程（positioncorrelationscoringfunction，PCSF）、離散增量（incrementofdiversity，ID）、支持向量機（SupportVectorMachine，SVM）和樸素貝葉斯分類器（NaiveBa

3、yesClassifier，NB）四類算法對它們進行了預測研究。本文的研究工作如下：
　　 首先，從轉錄因子結合位點數據庫JASPAR選出8種實驗上證實的沒有冗余的轉錄因子結合位點數據，結合位置保守性和偽計數，構建了位置關聯(lián)方程，通過定義位置關聯(lián)性打分方程的最佳閾值，使得打分方程在此最佳閾值下所得結果的假陽率較低。同時為了比較打分方程在轉錄因子結合位點方面的預測能力，本文將打分方程與MATCHTM中所使用的位置權重矩陣進行了比較

4、，結果顯示打分方程的預測能力優(yōu)于位置權重矩陣的預測能力。
　　 其次，從動物毒素數據庫ATDB下載了全部的動物毒素，用Saha和Raghava工作中提供的非毒素的蛋白質序列作為負集，利用PISCES軟件對動物毒素和非毒素進行序列相似性比對，構建了序列相似小于25％、40％、60％、80％和90％的數據集合。分別選取20種氨基酸組分、400種二肽組分、6種親疏水組分、36種二肽親疏水組分作為離散增量算法的參數，對不同序列相似性的動

5、物毒素數據集進行了預測。結果表明：離散增量算法在以二肽組分作為參數時預測結果最好；5種不同序列相似性的動物毒素數據集的預測結果隨序列相似性變化較小。為了進一步提高動物毒素的預測精度，本文對4種不同的離散增量值進行組合并作為支持向量機的輸入參數，對動物毒素進行了預測，結果顯示：支持向量機的預測結果優(yōu)于離散增量算法的預測結果。同時本文還對神經毒素和細胞毒素進行了預測。此外，為了將支持向量機和其它的預測算法進行比較，這里將支持向量機應用到Sa

6、ha和Raghava構建的神經毒素的數據庫上，預測結果顯示：本文所使用的支持向量機的預測結果優(yōu)于Saha和Raghava所提出的算法取得的預測結果。
　　 最后，本文從Swiss-Prot數據庫上下載了突觸前和突觸后神經毒素的蛋白質序列，參照數據庫給出的注釋信息，統(tǒng)計了突觸前和突觸后神經毒素的二硫鍵類型及其二硫鍵數目的分布。從ATDB和Swiss-Prot數據庫上下載了突觸前和突觸后神經毒素的蛋白質序列，分別構建了序列相似性小于

7、80％的數據集1和數據集2。本文采用了5種方法選取參數：（1）：蛋白質序列的二肽參數；（2）：MRMR軟件提取的50個二肽參數；（3）：MEME搜索到的模體特征；（4）：Prosite搜索到的模體特征；（5）：Interpro搜索到的模體特征。本文還對這5種參數進行了組合，一共得到了12類參數，并將這12類參數作為離散增量和樸素貝葉斯分類器的參數，在Jackknife檢驗下，對數據集1和2進行預測。預測結果表明：（1）：增加模體參數的預