基因預(yù)測(cè)中外顯子分值的轉(zhuǎn)化.pdf

1、基因預(yù)測(cè)在基因組研究中受到越來(lái)越多的關(guān)注，實(shí)際上這個(gè)問題就是要用計(jì)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(lái)越多的物種的基因組序列的測(cè)序完成使這種用計(jì)算機(jī)預(yù)測(cè)外顯子的方法變得更加重要。 在過(guò)去的十幾年中，基因預(yù)測(cè)軟件得到了極大的發(fā)展．總的來(lái)說(shuō)，可以將它們分為兩類，一類是通過(guò)同源性比對(duì)在未注釋的基因組序列上識(shí)別新的基因，我

2、們把這種方法稱為同源性比對(duì)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(kù)中沒有相似的同源基因(Claverie 1997)；另一類是在信號(hào)識(shí)別的框架下描述基因組序列，通過(guò)對(duì)密碼子的統(tǒng)計(jì)來(lái)識(shí)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(hào)識(shí)別法，比如:Genscan和HMMgene。 多數(shù)基因預(yù)測(cè)程序都會(huì)給出預(yù)測(cè)外顯子的分值(簡(jiǎn)稱預(yù)測(cè)分值)，但是只有少數(shù)幾個(gè)程序給

3、出的分值具有某種實(shí)際意義，也就是真正給出被預(yù)測(cè)外顯子的置信度評(píng)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(shí)反映被預(yù)測(cè)外顯子的可靠程度，其余的程序給出的外顯子分值要么過(guò)高估計(jì)了被預(yù)測(cè)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(lái)很大不便．此外，為了比較各種基因預(yù)測(cè)程序的預(yù)測(cè)精度，以便研究如何將他們?nèi)诤掀饋?lái)獲得更好的預(yù)測(cè)結(jié)果，我們也需要將多種預(yù)測(cè)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(shí)際意義的預(yù)測(cè)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(cè)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(cè)程序Fgenes對(duì)外顯子預(yù)測(cè)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(cè)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(yàn)分