順式調(diào)控元件和轉(zhuǎn)錄因子結(jié)合偏好性挖掘算法研究與實(shí)現(xiàn).pdf

1、DNA元件百科全書計(jì)劃(EncyclopediaofDNAElements，ENCODE)的研究表明人類基因組藍(lán)圖是一個復(fù)雜的網(wǎng)絡(luò)系統(tǒng)。認(rèn)識和解讀人類基因組藍(lán)圖是后基因組時代生命科學(xué)領(lǐng)域中面臨的最具挑戰(zhàn)性的熱點(diǎn)問題之一。轉(zhuǎn)錄調(diào)控是基因表達(dá)和轉(zhuǎn)錄的關(guān)鍵步驟，其中轉(zhuǎn)錄因子結(jié)合位點(diǎn)(或順式調(diào)控元件)是一類受到廣泛關(guān)注的功能元素，它與轉(zhuǎn)錄因子結(jié)合并觸發(fā)相應(yīng)基因的表達(dá)是高等生物對生理環(huán)境改變的一種有效應(yīng)答。因此分析和識別轉(zhuǎn)錄因子、順式調(diào)控元件，了

2、解它們間的結(jié)合規(guī)律是理解和解釋整個基因組行為以及構(gòu)建轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)的重要步驟。目前人類基因組中，僅有數(shù)量非常少的順式調(diào)控元件被正確識別，特別地，轉(zhuǎn)錄因子與順式調(diào)控元件結(jié)合規(guī)律的研究仍處于數(shù)據(jù)積累早期，急需發(fā)展新的計(jì)算生物學(xué)方法并開發(fā)相應(yīng)的軟件對其進(jìn)行有效預(yù)測，從而為實(shí)驗(yàn)生物學(xué)家提供重要的指導(dǎo)信息。
　　本文以轉(zhuǎn)錄因子與順式調(diào)控元件結(jié)合規(guī)律問題為研究目標(biāo)，考慮到功能域與組成成分間的關(guān)聯(lián)和相互作用，提出了一個新的基于廣義空間向量和tf-

3、idf模型的算法用來解決轉(zhuǎn)錄因子與順式調(diào)控元件結(jié)合規(guī)律預(yù)測中準(zhǔn)確率不高的問題。論文的主要內(nèi)容包括以下幾個方面：
　　1.對本文采用的背景知識進(jìn)行了簡單介紹。主要包括轉(zhuǎn)錄因子與順式調(diào)控元件識別問題的基本思想和研究現(xiàn)狀。討論了若干關(guān)鍵問題，給出轉(zhuǎn)錄因子與順式調(diào)控元件識別問題的形式化定義。
　　2.針對轉(zhuǎn)錄因子結(jié)合位點(diǎn)的序列特征，采用位置權(quán)重矩陣PWM(positionweightmatrix)來表征DNA序列，優(yōu)于先前算法中簡單

4、的將DNA字符序列二元化的0-1表示方法。對于轉(zhuǎn)錄因子結(jié)合位點(diǎn)而言，位置權(quán)重矩陣PWM描述了在不同位置上核苷酸(ATCG)出現(xiàn)的頻率。
　　3.建立一個新的基于廣義空間向量GVSM和tf-idf模型的算法。相比先前的算法，考慮了功能域間關(guān)聯(lián)性和域內(nèi)重要性的新的方法能提供更高的預(yù)測準(zhǔn)確率。
　　4.為進(jìn)一步提高準(zhǔn)確率和構(gòu)建轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)，用GO(GeneOntology)注釋代替了轉(zhuǎn)錄因子蛋白質(zhì)序列中的功能域，采用基于語義路徑覆