轉(zhuǎn)錄因子結(jié)合位點預測算法的研究與應用.pdf

1、人類已經(jīng)步入后基因組時代。隨著對基因研究的不斷深入，了解基因表達調(diào)控機制特別是轉(zhuǎn)錄調(diào)控機制的需求就顯得尤為迫切起來。這是因為，基因是細胞生命活動的基礎。在同一生物體內(nèi)，每個細胞都有一套完全相同的基因組。但是在不同的條件下，基因的表達水平不盡相同，這種行為限定了細胞中的RNA組成，進而影響到最終所能產(chǎn)生出的全部蛋白質(zhì)，從而決定了該細胞的功能。 轉(zhuǎn)錄過程既是DNA翻譯成蛋白質(zhì)的關鍵一步，同時也是調(diào)控基因表達的關鍵階段。轉(zhuǎn)錄調(diào)控通常是

2、在轉(zhuǎn)錄起始步驟實現(xiàn)的。除了啟動子以外，在幾乎所有基因的上游區(qū)域中都還存在著激活基因所需的一段特定的DNA序列(轉(zhuǎn)錄因子結(jié)合位點)。這些序列本身并不執(zhí)行任何功能，只有當其被調(diào)控蛋白(轉(zhuǎn)錄因子)識別、結(jié)合后才能發(fā)揮作用。它們共同控制著基因的轉(zhuǎn)錄。轉(zhuǎn)錄因子與其結(jié)合位點的結(jié)合具有高度的專一性。研究轉(zhuǎn)錄因子就是研究轉(zhuǎn)錄調(diào)控的分子機制，研究一類特定的蛋白質(zhì)分子與DNA序列的結(jié)合特性，研究與DNA結(jié)合的蛋白質(zhì)是如何調(diào)控基因轉(zhuǎn)錄等問題。因此，鑒別出全部

3、與特定轉(zhuǎn)錄因子結(jié)合的DNA序列的特征，有助于對轉(zhuǎn)錄因子性質(zhì)的進一步研究。目前，一些實驗已經(jīng)證實在真核細胞中，特別是在高等生物體內(nèi)，在多數(shù)情況下轉(zhuǎn)錄因子并不是獨自發(fā)揮作用，而是與其它轉(zhuǎn)錄因子協(xié)同作用，共同影響靶基因的表達。因此，對多轉(zhuǎn)錄因子協(xié)同DNA結(jié)合位點的研究正在成為一個新的亮點。 利用現(xiàn)代分子生物學實驗技術，例如凝膠阻滯實驗、足跡法等，可以逐一鑒別出與特定轉(zhuǎn)錄因子結(jié)合的DNA序列片段。但是，單純依靠這類技術來對幾百個或上千條

4、潛在的結(jié)合位點進行檢測，科研人員將不得不付出極大的代價。因此，在基因組水平上對潛在的轉(zhuǎn)錄因子結(jié)合位點進行識別、篩選的生物信息學技術已經(jīng)成為一項非常有效的輔助手段。不過在實際使用過程中，過度預測問題的存在已經(jīng)嚴重地制約了這些算法的發(fā)展。 在生物信息學領域中，人工神經(jīng)網(wǎng)絡、隱馬氏模型已經(jīng)成為解決序列分析和模式識別問題的重要工具之一。在文中，我們對轉(zhuǎn)錄因子結(jié)合位點預測算法的發(fā)展歷程進行了回顧；討論了人工神經(jīng)網(wǎng)絡、隱馬氏模型應用于該領域

5、時所具有的優(yōu)點和存在的局限性；最后，在這兩種技術的基礎上，提出了新的更適合解決該問題的算法。同時，對多轉(zhuǎn)錄因子協(xié)同DNA結(jié)合位點預測問題以及過度預測問題的解決進行了有益的嘗試，并取得較令人滿意的結(jié)果。 基于誤差平方和最小化原則(MSSE)的反向轉(zhuǎn)播算法的出現(xiàn)是人工神經(jīng)網(wǎng)絡發(fā)展史上的一個里程碑。在生物序列分析領域中BP算法也是一種經(jīng)典的解決方案，特別是在蛋白質(zhì)二級結(jié)構(gòu)預測方面。人工神經(jīng)網(wǎng)絡學習的目的是要揭示產(chǎn)生樣本的規(guī)律，因而可以

6、使用最大似然方法進行求解。但是只有在目標變量滿足高斯分布的前提下，最大似然函數(shù)才可化為誤差平方和函數(shù)。這就說明了，傳統(tǒng)BP模型不適合解決轉(zhuǎn)錄因子結(jié)合位點預測問題。因此，我們提出了一個以交叉熵為目標函數(shù)的BP神經(jīng)網(wǎng)絡模型——ANN-CE(ArtificialNeuralNetworkusingCrossEntropy)模型，并推導了該目標函數(shù)條件下的BP算法的迭代公式。 隱馬氏模型有著堅實的統(tǒng)計學基礎和有效的學習算法，它甚至可以直

7、接從原始數(shù)據(jù)中構(gòu)造出模型來。目前，剖面隱馬氏模型已成為生物序列分析中應用最為廣泛的模型之一，如在多重序列聯(lián)配方面。但是，隱馬氏模型受其馬爾可夫性質(zhì)的限制，無法表現(xiàn)遠程狀態(tài)之間的相互關系。所以，針對轉(zhuǎn)錄因子結(jié)合位點預測這一特定問題，隱馬氏模型的處理能力稍顯不足。同時，經(jīng)實驗證實的特定轉(zhuǎn)錄因子的DNA結(jié)合位點序列數(shù)據(jù)過少，也影響著任何預測算法的性能。我們提出了一種新的剖面隱馬氏模型算法——BssHMMs(BindingSiteSearchb

8、aesdonHiddenMarkovmodels)算法。該算法通過提取正反兩方面數(shù)據(jù)(轉(zhuǎn)錄因子結(jié)合位點序列和隨機序列)的特征，建立起相應的轉(zhuǎn)錄因子結(jié)合位點預測模型，并利用似然比檢驗尋找出位點中遠程位置之間的相關性信息，從而在一定程度上避免了隱馬氏模型的局限。 在本文的最后部分，我們給出了一個包含266條記錄的轉(zhuǎn)錄因子結(jié)合位點剖面數(shù)據(jù)庫BSDbase，以及兩套預測系統(tǒng)。同時，對多轉(zhuǎn)錄因子協(xié)同DNA結(jié)合位點預測及過度預測問題的解決進