分超过特定阈值的序列就认为是一个转录因子结合位点。
PWM技术用于启动子预测已经有十多年时间。十几年间,PWM经过了多次优化,EPD上也更新了多次TATA框的PWM。其中比较有影响力的是俄亥俄州立大学的Ilya和Gershenzon等人在2005年对GC框的PWM的改进[18]。Gershenzon修改了Bucher在1990年的矩阵中权值的公式,定义了一个平滑函数,代替了原来公式中的平滑系数,并且在优化阈值的时候使用相关系数代替原来的局部过表达参数来优化阈值。算法首先输入原来的PWM,和在TRANSFAC中得到的GC框结合因子SP1的经过实验验证的结合位点序列,以及一个初始的敏感度,然后用新定义的权值计算公式来优化这个PWM,并利用相关系数优化阈值和GC框的长度。使用这种方法,使GC框的敏感度由原来的0.68提高到了0.73[18]。Gershenzon等人根据这些优化,设计了启动子分类工具PromoterClassifier[18],这个工具已被广泛用到启动子分析预测工作中来。
国内,清华大学的学者用改进的PWM技术扫描肝脏特异基因的启动子序列[19]。该方法采用3阶Markov过程来描述背景集合的核酸分布情况,通过统计背景集合中4种核酸的3阶相关性,得到3阶Markov概率转移矩阵,生成新的启动子序列。有研究表明,考虑核酸序列之间相关性情况下,采用Markov随机过程来描述这一背景集合的自然特性[19]。构建PWM的方法和传统的Bucher方法类似,得到矩阵后,采用阈值累加法对整个序列转录因子PWM扫描结果进行评分,从而更全面地评价所选序列的结合性能。将转录因子在完全随机序列(指一条各个位置上4种碱基等概率分布的序列)上的结合性能作为噪声的评估标准。假定扫描结果大于噪声标准10倍的结合位点是有意义的,并以此标准筛选PWM扫描结果,将有意义的结果累加求和。这样克服了最大值方法导致一些有意义的结合位点被忽略的缺点,又能有效地抑制噪声位点的干扰,从而可以比较准确地衡量一条序列上转录因子结合位点的整体结合情况。而采用支持向量机法进行分类,经过交叉检验,阈值累加法得到的分类准确率为93.33%[19]。
待表达的序列用训练好的PWM进行扫描。如果有超过阈值的位点,我们就认为这段序列有启动子,可以进行转录。否则,就认为没有,不能进行转录。我们采用的TATA框的PWM是基于Bucher方法训练得到的矩阵,如表1所示。
表1 TATA框的PWM[16]
Pos-3-2-101234567891011
W(A)-1.02-3.050.00-4.610.000.000.000.00-0.01-0.94-0.54-0.48-0.48-0.74-0.62
W(C)-0.28-2.06-5.22-3.49-5.17-4.63-4.12-3.74-1.13-0.050.00-0.05-0.11-0.28-0.40
W(G)0.00-2.74-4.28-4.61-3.77-4.73-2.65-1.500.000.00-0.090.000.000.000.00
W(T)-1.680.00-2.280.00-2.34-0.54-3.65-0.37-1.40-0.97-1.40-0.82-0.66-0.54-0.61
Consg/ctA/tTA/tA/TAa/tg/ag/cc/gg/cg/cg/cg/c
位点0常在TSS上游-20到-36范围内
优化后阈值:-8.16(97%)
我们知道,转录是从转录起始位点开始的,识别出启动子后的工作就是确定转录起始位点的位置,这其实是另一个研究领域的问题,但是核心启动子INR正好在转录起始位点附近,我们在Analog-Cell中就可以利用INR的PWM来预测序列的转录起始位点,我们认为INR的保守序列的第三位是转录起始位点,INR的PWM如表2所示。
表2 INR的PWM[16]
Pos-2-1012345
W(A)-1.41-5.260.00-1.51-0.65-0.55-0.91
W(C)-1.610.00-5.21-0.41-0.450.00-0.29
W(G)-0.75-5.26-5.210.00-4.56-0.86-0.38
W(T)0.00-5.26-2.74-0.290.00-0.360.00
Const/gCA/tg/t/cT/c/ac/tt/c/gt/c
4 Analog-Cell中的启动子预测技术
Analog-Cell[20,21]作为模拟细胞基因表达过程的电子细胞,是我们开发研制的目前国内第一个虚拟真核细胞模型。它以图形化的方式成功模拟了DNA序列转录得到mRNA,mRNA翻译得到相应多肽链这一基因表达过程。该多肽链是各种酶或其它调控因子的前体蛋白质,它经过加工将会最终影响整个细胞的活动,并在转录和翻译期间实现了部分基因表达调控机制。研究显示,基因的表达调控多是在转录水平上进行,而转录水平上的基因调控很大程度上依赖于基因启动子区域上的具有特定调控作用的转录因子对DNA序列的识别和结合情况。可见,启动子区域上的转录因子结合位点的分布对于真核基因的表达调控起着十分重要的作用。因此,在Analog-Cell中模拟启动子识别的功能可以更逼真地描述细胞的基因表达过程。
综合比较以上4种启动子识别技术,其中基于PWM的方法实现简单,效率较高,因此在Analog-Cell中,我们采用PWM的技术识别核心启动子元件、TATA框。首先,我们把
-0.82-0.18-0.650.00
位点0常在TSS上或下游+5范围内
优化后阈值:-3.75(81.4%)
结束语 经过以上介绍,了解了基于人工神经网络、支持向量机、二次判别分析和位置权值矩阵的4种启动子预测技术,并结合国内外实际的8个例子看到了这些技术的效果。可以说,这4种技术都可以达到比较好的效果。其中,人工神经网络技术应用得比较早,技术比较成熟,关于这种技术的资源比较丰富,也易于理解,与遗传算法相结合可以更好地应用于生物信息学方面。支持向量机的研究比较晚,但是由于它克服了传统机器学习的种种缺点,并且在增加维数的基础上不增加计算量,已经在各个领域获得了成功的应用,相信支持向量机仍然具有很大潜力[10]。二次判别分析来源于贝叶斯理论,有很强的数学背景,虽然难于理解,但是效果很好,内蒙古大学学者的系统结果已证明好于RajeevGangal的Prome-theus[15]。位置权值矩阵的方法实现简单,应用范围广,有着浓厚的统计学特征,而且有研究发现PWM用在某种特异启
(下转第33页)
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...
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...
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...
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...
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...
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...
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...
热门文档