基于ChIP-seq數(shù)據(jù)的轉(zhuǎn)錄因子結(jié)合位點(diǎn)識別算法.pdf

1、隨著生物信息學(xué)的大力發(fā)展，研究者們不斷地在探究基因調(diào)控規(guī)律，而不能深入的理解轉(zhuǎn)錄調(diào)控規(guī)律已經(jīng)成為研究調(diào)控網(wǎng)絡(luò)的瓶頸。目前，轉(zhuǎn)錄因子結(jié)合位點(diǎn)識別問題已成為生物信息學(xué)的熱點(diǎn)研究領(lǐng)域之一。轉(zhuǎn)錄因子作為一種重要的轉(zhuǎn)錄調(diào)控因子，在基因表達(dá)的過程中，通過與特定的DNA序列相結(jié)合，調(diào)控下游基因的表達(dá)，抑制或增強(qiáng)其作用，是基因表達(dá)的關(guān)鍵步驟。識別這些特定的DNA序列對理解基因調(diào)控具有重要意義。
　　隨著高通量自動化測序技術(shù)的快速發(fā)展，染色質(zhì)免疫共

2、沉淀(ChIP)技術(shù)與二代測序技術(shù)相結(jié)合的ChIP-seq技術(shù)為轉(zhuǎn)錄因子結(jié)合位點(diǎn)識別研究提供了海量的數(shù)據(jù)。ChIP-seq技術(shù)在全基因組上免疫沉淀DNA片段，為全基因組范圍上識別轉(zhuǎn)錄因子結(jié)合位點(diǎn)提供了高分辨率的數(shù)據(jù)，成為了研究轉(zhuǎn)錄因子結(jié)合位點(diǎn)的常規(guī)手段。
　　現(xiàn)在已有許多轉(zhuǎn)錄因子結(jié)合位點(diǎn)識別算法用于尋找ChIP-seq數(shù)據(jù)中的轉(zhuǎn)錄因子特異結(jié)合序列，但這些算法依然存在很多問題。首先，現(xiàn)存的這些算法不足以勝任ChIP-seq的海量數(shù)據(jù)

3、而導(dǎo)致不切實(shí)際的開銷;其次，這些算法過度依賴重復(fù)序列過濾，無法區(qū)分識別位點(diǎn)真?zhèn)蔚热秉c(diǎn)。本文在現(xiàn)有發(fā)表的ChIP-seq數(shù)據(jù)基礎(chǔ)上，挖掘和總結(jié)ChIP-seq數(shù)據(jù)的特點(diǎn)，并針對這些特點(diǎn)，利用期望最大化（expectation maximization，EM）算法的思想，提出了一個(gè)簡化的EM算法。已有的基于EM的識別轉(zhuǎn)錄因子結(jié)合位點(diǎn)識別算法忽略了ChIP-seq數(shù)據(jù)的特點(diǎn)，雖然成功的發(fā)現(xiàn)了真實(shí)的轉(zhuǎn)錄因子結(jié)合位點(diǎn)，但卻付出了時(shí)間的代價(jià)。本文中