基因預(yù)測中外顯子分值的轉(zhuǎn)化.pdf

1、基因預(yù)測在基因組研究中受到越來越多的關(guān)注，實際上這個問題就是要用計算的方法在未注釋的基因組上精確的指出在DNA序列上的轉(zhuǎn)錄，翻譯和RNA的剪切，使人們清楚的知道在基因組上編碼蛋白質(zhì)的區(qū)域和非編碼蛋白質(zhì)的區(qū)域，特別是越來越多的物種的基因組序列的測序完成使這種用計算機(jī)預(yù)測外顯子的方法變得更加重要。 在過去的十幾年中，基因預(yù)測軟件得到了極大的發(fā)展．總的來說，可以將它們分為兩類，一類是通過同源性比對在未注釋的基因組序列上識別新的基因，我

2、們把這種方法稱為同源性比對法，然而這種方法具有一定的局限性，研究表明新發(fā)現(xiàn)的基因中大約有50％在數(shù)據(jù)庫中沒有相似的同源基因(Claverie 1997)；另一類是在信號識別的框架下描述基因組序列，通過對密碼子的統(tǒng)計來識別DNA序列上的編碼區(qū)和非編碼區(qū)，這類方法在最近幾年取得了極大成功，我們把它們稱為信號識別法，比如:Genscan和HMMgene。 多數(shù)基因預(yù)測程序都會給出預(yù)測外顯子的分值(簡稱預(yù)測分值)，但是只有少數(shù)幾個程序給

3、出的分值具有某種實際意義，也就是真正給出被預(yù)測外顯子的置信度評估，Sanja Rogic等人研究發(fā)現(xiàn)只有Genscan和HMMgene給出的外顯子分值能夠某種程度真實反映被預(yù)測外顯子的可靠程度，其余的程序給出的外顯子分值要么過高估計了被預(yù)測外顯子的可靠程度，要么根本沒有概率意義，這給使用者帶來很大不便．此外，為了比較各種基因預(yù)測程序的預(yù)測精度，以便研究如何將他們?nèi)诤掀饋慝@得更好的預(yù)測結(jié)果，我們也需要將多種預(yù)測分值化為可相互比較可靠程度的

4、一種分值。 在這篇文章中，我們把將沒有意義和某種程度實際意義的預(yù)測分值轉(zhuǎn)化為概率分值，即分值在0～1之間，而且隨著分值的增加準(zhǔn)確率逐漸升高，使其能夠真正反映被預(yù)測外顯子的可靠程度，現(xiàn)有的轉(zhuǎn)化方法只有采用可化為線性回歸的非線性回歸方法，效果較差，預(yù)測程序Fgenes對外顯子預(yù)測的準(zhǔn)確率比較高，大約75％，但是它給出的分值O-10是沒有意義的，大于10的分值基本上是預(yù)測正確的但出現(xiàn)頻率較低，所以本文以Fgenes為例，分別采用經(jīng)驗分