文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 自然科学 > 生物学 > 真核生物启动子的预测技术
侵权投诉

真核生物启动子的预测技术

别出人类22号染色体上所有的20个被体外实验验证的启动子。Prometheus采用支持向量机技术,使用多项式核函数建立了两个模型:模型1输入包括多聚体的出现频率,CG的百分比含量以及非线性时间序列描述符,模型2输入只包括多聚体的出现频率和CG的百分比含量。Prometheus把一个DNA序列看成一个动态系统,把随时间连续观察,核苷酸的缺失、插入、变异产生的有顺序的观测值集合作为时间序列。支持向量机的机器学习过程采用10-折交叉验证方法和独立的测试集,即所有数据的80%用于训练,20%用于测试。然后训练集被分成10等份,其中9份用来训练,1份用来测试。这样对这10份数据重复10次,最后用测试集进行测试。经过这样的学习,Prometheus的敏感性达到0.86,特异性达到0.87,相关系数达到0.74,是一个非常好的预测启动子工具[11]。

在国内,中国计量学院学者开发的预测人类核心启动子的系统[12]也采用了支持向量机的技术。在数据选取上,该系统采用了基于改进的位点权值矩阵(PWM)进行特征提取,然后筛选出含有特定启动子元件的作为正数据,再按上下文的比例选取负数据,最后划分成训练集和测试集。通过对比发现,该系统分别使用线性核函数、多项式核函数和径向基核函数时,都有较高的性能。在输入序列的编码上,该系统采用四维二进制码编码四种核苷酸,这种编码使每种核苷酸之间不具有线性相关性,适合支持向量机的特点。采用SMO训练算法的LIBSVM2.81进行训练,在确定惩罚因子时采用5-折交叉验证结合网格搜索法。实验证明,采用线性核函数,几种核心启动子识别的敏感性在0.85以上,特异性在0.86以上,相关系数在0.77以上;采用径向基核函数,几种核心启动子识别的敏感性在0.84以上,特异性在0.86以上,相关系数在0.83以上;采用多项式核函数,几种核心启动子识别的敏感性在0.86以上,特异性在0.88以上,相关系数在0.80以上[12]。特别地,含有DPE(DownstreamPromoterElement)的序列,用线性核函数效果比较好;含有BRE(TFIIBRecogn-i

tionElement)的序列,用多项式核函数效果比较好。综上可知,为达到理想效果,应该针对具体的问题采用不同的核函数。

3.3 基于二次判别分析的启动子预测技术

二次判别分析(QuadraticDiscriminantAnalysis)是一种经典的多元统计分析方法。根据它的原理建立的分类器形式简单有效,并且具有良好的扩展性。它可以通过特征筛选在备选特征中确定最优特征集,以提高模型的准确性和识别的正确率[13]。对于启动子预测来说,信息通过二次判别函数整合,给定启动子集合G1、非启动子集合G2以及由分类参数构成的r维向量R(I1,I2,,,Ir)表示的待判别的序列S,则判断S类别的二次判别函数如下:

-D1p01D2

-1-logN=log

22p02

T

-1

i

相结合,把序列分成CpG岛相关和不相关两类后再进行预测。FirstEF搜索通过5.-UTR定位技术构建的第一外显子数据库,识别第一剪切点(firstsplicingdonorsite),并结合CpG岛信息,确定启动子区,因此使用了3种不同的二次判别函数。这种方法使预测的敏感性和特异性都明显提高,下面仅对FirstEF的启动子预测过程进行介绍。FirstEF首先扫描输入序列,确定是否现有潜在的剪切区,该过程通过一个二次判别函数给出可能性,再扫描确定是否与CpG岛相关。FirstEF用一个570bp(转录起始位点上游500bp和下游70bp)的滑动窗口扫描候选的剪切区上游1500bp。根据是否是CpG岛相关,通过两个不同的二次判别函数判断是不是启动子[14]。该程序预测含CpG岛的启动子的敏感性和特异性都高于0.90,预测不含CpG岛的启动子的精确性相对略低。

国内由内蒙古大学学者开发的预测人类RNA聚合酶II启动子的系统同样采用了二次判别分析的技术,不同的是该系统采用基于多样性增量(IncrementofDiversity,ID)的二次判别分析方法(IDQD)。多样性增量是衡量具有相同尺度特征条件下样本相似性的方法,最早在内含子剪接位点的预测问题中提出,并获得了成功应用。IDQD的中心思想是信息经ID处理后用QD进行整合,最后按贝叶斯后验概率排序,寻找最佳分类点。由于信息的维数很高,这也是把分类特征向高维空间投影的一种识别算法[15]。多样性增量增加了除序列本身外的其他特征,即把特征向量扩展到了高维空间。该系统用到的多样性增量信息参数包括反映序列组分的特征、反映序列位点保守性的特征和反映GC含量变化的特征,另外包括两个非多样性增量的信息参数:反映序列具有某种读码框的非均匀指数和正链反链的高频数的56个模体序列频数。该系统预测结果的敏感性、特异性和关联系数分别达到了0.93,0.92和0.85[15]。

3.4 基于位置权值矩阵的启动子预测技术

位置权值矩阵(PositionWeightMatrix,PWM)用位置加权矩阵来表示一组已知位点样本,然后用该矩阵搜寻未知的位点,利用该矩阵给转录因子结合位点的各位置上每种可能出现的核苷酸都分配一个权值。对于一个特定的序列,将各位置的相应分数加和后给出该序列作为潜在位点的得分。通过与一个事先确定好的阈值进行比较,来判断该特定序列是否为位点。在某些情况下,这些分数与转录因子的结合近似成正比。1990年Bucher最早提出用PWM的方法预测启动子[16],该方法的原理是基于Berg和VonHippel(1987)提出来的关于调控蛋白(转录因子)选择DNA结合位点的理论[17]:为了解释在DNA序列中许多位点所具有的简并性,Berg和VonHippel提出特异性结合位点的选择是要满足一定功能性限制的,例如结合的亲和力或者活性必须在一定的允许范围内,所有能够满足这个要求的序列都可能成为特异性转录因子结合位点。这个理论已经通过实验手段检验,成为PWM方法的理论基础。PWM方法大致思路如下:首先获得一组已知的转录因子结合位点集合,将该集合作为训练集,然后计算得到该组集合的位置加权矩阵,再利用优化程序,确定结合位点,判定阈值。最后对于任意Lbp长的DNA输入序列,利用得出的位置加权矩阵评估该段序列与训练集合中的转录因子结合位点的相似性。这个DNA序列的总得分为序列中每一位置碱基的得分之和作为其总得分,任何得

212

其中p0i是集合Gi(i=1,2)的序列总数,即先验概率,Di=(R-Li)2(R-Li)(i=1,2)是R和Li之间的马氏距离,Li是训练集Gi所有序列的r维向量的平均,2i是训练集Gi的(r@r)协方差矩阵,2i是矩阵2i的行列式值。

由Ramana等人开发的预测第一个外显子和启动子的软件FirstEF[14]采用了二次判别分析技术,程序和CpG岛信息

上一页第4页

你可能喜欢

热门文档

相关文档

  • 真核生物启动子预测相关数据库资源概述

    真核生物启动子预测相关数据库资源概述_生物学_自然科学_专业资料。维普资讯 ...随 着生物技 深入 是 术和计算机 技术的 高速 发展 , 用生物信 息学技 术...

  • 真核生物启动子预测相关数据库资源概述

    随着生物技 术和计算机技术的高速发展, 应用生物信息学技术对启动子进行预测和分析的方法得到了很大发展。对目前常用的真核生物启动子预 测相关数据库和软件资源作...

  • 真核生物启动子预测相关数据库资源概述修改稿

    随着生物技术和计算机技术的高速发展,应用生物信息学技术 对启动子进行预测和分析的方法得到了很大发展。 本文对目前常用的真核生物启动子预测相 关数据库和软件资源...

  • 【论文】真核生物启动子的研究及应用

    真核生物启动子的研究及应用_专业资料。随着基因工程的发展,常常需要构建能高水平表达异源蛋白质的表达载体。启动子对外源基因的表达水平影响很大,是基因工程表达...

  • 【论文】真核生物启动子的鉴定方法

    真核生物启动子的鉴定方法_专业资料。启动子是RNA聚合酶识别、结合和开始转录的一段DNA序列。它对基因的表达调控起着至关重要的作用。本文对真核生物启动子的...

  • 真核生物启动子

    真核生物启动子的预测技术 6页 免费 真核生物启动子数据库 2页 2财富值 ... 启动子是基因表达过程中非常重要的调控序列,是影响基因能否转录的重要功能单位之...

  • 真核生物基因结构的预测分析方法(软件)

    实习二 真核生物基因结构的预 测分析浙江加州国际纳米技术研究院 2010年11月苏...14 转录调控序列分析 CpG岛、转录终止信号和启动子区域的预测 15 CpG岛的预测...

  • 研究真核生物启动子结构与功能的方法

    研究真核生物启动子结构与功能的方法 研究启动子结构与功能的方法主要有缺失、点突变和足迹法。在分析得到了启动子的 功能序列后, 还要弄清与之结合的蛋白质及两者...

  • 启动子预测

    http://tools.genome.duke.edu/generegulation/McPromoter/ ( 4 ) PromoterScan 启动子区预测工具,其预测基于比较所提交的序列 与真核生物 RNA 聚合酶 II 启动子...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email