基于DNase高通測(cè)序信息的DNA蛋白結(jié)合位點(diǎn)分析.pdf

1、蛋白質(zhì)是生物活動(dòng)過程中不可缺少的物質(zhì)，其中有一種蛋白質(zhì)是同基因結(jié)合在一起的，對(duì)基因的表達(dá)與調(diào)控起著決定性作用。想要對(duì)這些DNA蛋白進(jìn)行進(jìn)一步的分析，尋找和識(shí)別這些DNA蛋白的結(jié)合位點(diǎn)是不可或缺的一項(xiàng)重要工作，也是本研究的研究重點(diǎn)和研究難點(diǎn)之所在。近幾年的研究中，對(duì)DNA蛋白結(jié)合位點(diǎn)的識(shí)別主要采用的辦法是ChIP-Seq技術(shù)，即將染色質(zhì)免疫共沉淀技術(shù)（Chromatin Immunoprecipitation，ChIP）與高通量測(cè)序技術(shù)這

2、兩種方法互相結(jié)合，高通量測(cè)序數(shù)據(jù)被稱為Seq數(shù)據(jù)。但是這種技術(shù)由于高耗能，檢驗(yàn)精度低，無法一次分離出全基因組內(nèi)的多種蛋白等多種無法克服的缺點(diǎn)，使得DNase-Seq技術(shù)即基于DNase高通量測(cè)序信息的DNA蛋白結(jié)合位點(diǎn)的識(shí)別技術(shù)逐漸成為研究熱點(diǎn)。由于它的實(shí)驗(yàn)原理不具有特異性，所以DNase-Seq技術(shù)理論上幾乎可以克服ChIP-Seq技術(shù)的所有缺點(diǎn)，成為促進(jìn)DNA蛋白結(jié)合位點(diǎn)研究的首選。在研究中，首先需要在DNA蛋白位點(diǎn)的開放區(qū)域內(nèi)獲取

3、實(shí)驗(yàn)所需數(shù)據(jù)，在實(shí)驗(yàn)數(shù)據(jù)的獲取階段主要是以ChIP-Seq技術(shù)為基礎(chǔ)，利用GEM軟件，得到某個(gè)DNA蛋白的一系列結(jié)合位點(diǎn)。之后提取這一系列結(jié)合位點(diǎn)的DNase高通測(cè)序信息，即 DNase-Seq數(shù)據(jù)。之后對(duì)上述數(shù)據(jù)分別進(jìn)行對(duì)齊、過濾、去除干擾信號(hào)的操作后就可形成訓(xùn)練數(shù)據(jù)。使用訓(xùn)練數(shù)據(jù)進(jìn)行識(shí)別特征的提取，并且訓(xùn)練構(gòu)建基于DNase數(shù)據(jù)的識(shí)別算法。最后將基于DNase數(shù)據(jù)的算法與基于Seq數(shù)據(jù)的算法相結(jié)合，得到最終基于DNase高通測(cè)序信息

4、的識(shí)別模型。
　　本研究選用ROC曲線的方法，利用ROC曲線下面積的大小來判斷分類效果的好壞。主要分別對(duì)基于 DNase數(shù)據(jù)的預(yù)測(cè)模型、基于Seq數(shù)據(jù)的預(yù)測(cè)模型，并且還有基于DNase-Seq數(shù)據(jù)的預(yù)測(cè)模型進(jìn)行了驗(yàn)證。結(jié)果不僅表明僅單一的依靠DNase數(shù)據(jù)就可以使模型的分類效果良好，這是對(duì)DNase數(shù)據(jù)研究的一個(gè)突破。更表明了本研究提出的最終模型的分類效果非常有效，即將傳統(tǒng)的基于Seq數(shù)據(jù)的預(yù)測(cè)模型和基于 DNase數(shù)據(jù)的預(yù)測(cè)模型