一種尋找活性LINE-1的新方法.pdf

1、Long interspersed nuclear elements(LINE-1 or L1)目前存在于人類(lèi)基因組中最活躍的一種逆轉(zhuǎn)座子，也是許多動(dòng)物基因組中最成功的逆轉(zhuǎn)座子。通過(guò)統(tǒng)計(jì)分析發(fā)現(xiàn)，人類(lèi)基因組中大約存在百分之十七點(diǎn)五的序列由L1或其突變過(guò)后的部分序列構(gòu)成，超過(guò)6700個(gè)L1元件的拷貝分布在人類(lèi)基因組的各條染色體中。盡管拷貝數(shù)量大，但大部分L1元件在和完整的L1序列對(duì)比之后發(fā)現(xiàn)存在各種各樣的突變和序列截?cái)?，這些不完整的L1序

2、列往往缺失了轉(zhuǎn)座過(guò)程所需的某些特定功能，直接導(dǎo)致這些突變體并不能獨(dú)自的完成整個(gè)L1的轉(zhuǎn)座過(guò)程。不過(guò)近年來(lái)不斷有L1相關(guān)細(xì)胞培養(yǎng)實(shí)驗(yàn)表明可能存在一些具有活性的L1元件存在于人類(lèi)基因組中，其中有一些還被證明具有很高的轉(zhuǎn)座活性。在這些實(shí)驗(yàn)中，有的研究者克隆了人類(lèi)基因組中一批具有高度完整性和可能具有活性的L1序列，并通過(guò)細(xì)胞實(shí)驗(yàn)觀察這些挑選出來(lái)序列的轉(zhuǎn)座率。和已知具有很高活性的L1轉(zhuǎn)座子相比較，最終發(fā)現(xiàn)人類(lèi)基因組中部分L1序列確實(shí)具有轉(zhuǎn)座活性，

3、并以此推測(cè)人類(lèi)基因組序列中大約存在80～100條仍具有轉(zhuǎn)座活性的L1序列。眾所周知，L1作為一種仍能獨(dú)自完成轉(zhuǎn)座過(guò)程的轉(zhuǎn)座子，其轉(zhuǎn)座的現(xiàn)象嚴(yán)重的影響人類(lèi)基因組的穩(wěn)定性，且L1轉(zhuǎn)座的發(fā)生往往會(huì)導(dǎo)致相應(yīng)的疾病。由此可見(jiàn)，有活性L1序列的注釋?xiě)?yīng)該引起我們的高度關(guān)注。通過(guò)突變L1序列的某些位點(diǎn)來(lái)分析L1序列活性，是目前唯一的驗(yàn)證方法，這種方法也發(fā)現(xiàn)了很多突變位點(diǎn)會(huì)導(dǎo)致L1序列的失去或減弱轉(zhuǎn)座活性。盡管如此，這種突變實(shí)驗(yàn)方法無(wú)形中增加了研究L1序

4、列活性的門(mén)檻，讓很多生物信息學(xué)研究者望而卻步。因此，現(xiàn)在迫切的需要一種能夠可靠的和易操作的方法來(lái)分析L1序列的活性。
　　本文引入了一種基于支持向量機(jī)（SVM）、結(jié)合特征化的DNA序列的策略，旨在構(gòu)造一個(gè)數(shù)學(xué)模型來(lái)深入的分析未知L1序列的活性。不同于其他方法，這里以核酸的種類(lèi)、基團(tuán)類(lèi)型和氫鍵類(lèi)型作為分類(lèi)依據(jù)，用三條特征序列來(lái)唯一標(biāo)識(shí)一條L1序列。蛋白質(zhì)序列的描述符生成方法global protein sequence descri