转录因子结合位点生物信息学研究进展

By using genome in situ hybridization (GISH) on root somatic chromosomes of allotetraploid derived from the cross Gossypium arboreum × G. bickii with genomic DNA (gDNA) of G. bickii as a probe, two sets of chromosomes, consisting of 26 chromosomes each, were easily distinguished from each other by their distinctive hybridization signals. GISH analysis directly proved that the hybrid G.arboreum×G. bickii is an allotetraploid amphiploid. The karyotype formula of the species was 2n = 4x = 52 = 46m (4sat) + 6sm (4sat). We identified four pairs of satellites with two pairs in each sub-genome. FISH analysis using 45S rDNA as a probe showed that the cross G. arboreum×G. bickii contained 14 NORs. At least five pairs of chromosomes in the G sub-genome showed double hybridization (red and blue) in their long arms, which indicates that chromatin introgression from the A sub-genome had occurred.     

基于位点保守性参量和位置权重矩阵预测酵母转录因子结合位点

目的:改进转录因子结合位点的理论预测方法。方法:构建转录因子结合位点位置权重矩阵,以转录因子结合位点每一位置的碱基保守性指数Mi为参量,利用位置权重打分函数算法(PWMSA)对酵母五种转录因子结合位点进行预测。结果:利用self-consistency和cross-validation两种方法对此算法进行检验,均获得了较高的预测成功率,结果表明5种转录因子结合位点的预测成功率均超过80%。结论:与已有的三种预测转录因子结合位点的软件进行比较,PWMSA算法明显优于其他三种算法,核苷酸水平上的关联系数和结合位点水平上的关联系数分别提高了0.25和0.22。     

利用位点特异性打分矩阵对大肠杆菌启动子的预测

启动子是基因转录起始的一个关键性元件。本研究利用数据库中提供的大肠杆菌启动子数据,基于位点特异性打分矩阵(Position-specific scoring matrix,PSSM)算法建立了大肠杆菌启动子预测方法,并采用ROC曲线对预测结果进行评估。结果显示,本方法对大肠杆菌sigma24、sigma28、sigma32、sigma38、sigma54和sigma70启动子预测的准确度分别达到86%,96%,93%,96%,97%和74%。由于原核生物启动子序列的保守性,可将该方法推广至其他原核生物的启动子预测。     

基于碱基关联二联体位置权重矩阵预测酵母转录因子结合位点

基于已知的酵母转录因子结合位点数据资料,构建转录因子结合位点碱基关联二联体位置权重矩阵,整合碱基关联二联体位置权重矩阵和碱基保守性参量M2i,提出一种新的预测转录因子结合位点的方法(PWMSA).利用self-consistency和cross-validation两种方法对此算法进行检验,均获得了较高的预测成功率,结果表明9种转录因子结合位点的总体预测成功率超过81%,明显高于单碱基位置权重矩阵,同时与已有预测转录因子结合位点的软件进行比较,核苷酸水平上的关联系数和结合位点水平上的关联系数分别达到0.42和0.52,优于现有预测方法.     

基于打分矩阵的多类蛋白质折叠子的预测

依据蛋白质折叠子中氨基酸保守性,以氨基酸、氨基酸的极性、氨基酸的电性以及氨基酸的亲—疏水性为参数,从蛋白质的氨基酸序列出发,采用"一对多"的分类策略,通过构建打分矩阵和选取氨基酸序列模式片断,利用5种相似性打分函数对27类折叠子进行识别,最好的预测精度达到83.46%。结果表明,打分矩阵是预测多类蛋白质折叠子有效的方法。     

大肠杆菌E.coli K-12转录因子结合位点的理论预测

基于实验验证的22种大肠杆菌K12的转录因子结合位点序列,分析了转录因子结合位点每一位置的碱基保守性,提出了预测转录因子结合位点的位置权重矩阵打分函数算法(PWMSA)。利用self-consistency和cross-validation两种检验方法对此算法进行检验,self-consistency检验总的预测成功率达到87.59%,cross-validation检验成功率达到85.48%。对基因间序列进行搜索,获得了多个可能的转录因子结合位点。     

基于位置特异性谱和输入加权神经网络的蛋白质亚细胞定位预测

蛋白质必须处于正确的亚细胞位置才能行使其功能。文章利用PSI-BLAST工具搜索蛋白质序列,提取位点特异性谱中的位点特异性得分矩阵作为蛋白质的一类特征,并计算4等分序列的氨基酸含量以及1～7阶二肽含量作为另外两类特征,由这三类特征一共得到蛋白质序列的12个特征向量。通过设计一个简单加权函数对各类特征向量加权处理,作为神经网络预测器的输入,并使用Levenberg-Marquardt算法代替传统的EBP算法来调整网络权值和阈值,大大提高了训练速度。对具有4类亚细胞位置和12类亚细胞位置的两种蛋白质数据集分别进行＂留一法＂测试和5倍交叉验证测试,总体预测精度分别达到88.4%和83.3%。其中,对4类亚细胞位置数据集的预测效果优于普通BP神经网络、隐马尔可夫模型、模糊K邻近等预测方法,对12类亚细胞位置数据集的预测效果优于支持向量机分类方法。最后还对三类特征采取不同加权比例对预测精度的影响进行了讨论,对选择的八种加权比例的预测结果表明,分别给予三类特征合适的权值系数可以进一步提高预测精度。     

转录因子结合位点的计算预测方法研究进展

转录因子结合位点的计算预测是研究基因转录调控的重要环节,但现有算法的预测特异性偏低.在深入分析转录因子结合位点生物特征的基础上,对当前基于保守模体和基于比较基因组学的两类计算预测方法进行了综述,指出了方法各自的优点和不足,并探讨了可能的改进方向.     

融合位置特征与序列进化信息的磷酸化位点预测

磷酸化是蛋白质翻译后的主要修饰,可分为激酶特异性和非激酶特异性两种类型．以非激酶特异性磷酸化位点Dou数据集为基础,本文发展了一种基于位置的卡方差表特征χ²-pos,融合伪氨基酸序列进化信息PsePSSM表征序列,构建正负样本均衡的支持向量机分类器,S, T, Y独立测试Matthew相关系数、ROC曲线下面积分及准确率分别达到了(0.59、0.87、79.74%),(0.55、0.85、77.68%)和(0.50、0.81、75.22%),明显优于文献报道结果． χ²-pos、PsePSSM两种特征的融合在蛋白质磷酸化位点预测中有广泛应用前景．     

转录因子结合位点的计算分析方法

基因组上众多基因和非编码转录体按照特定的规律有序地表达是细胞正常生命活动的基础。转录调控是基因表达调控的关键步骤,转录因子结合在基因启动子序列中的转录因子结合位点,启动基因的转录和控制基因的转录效率。分析转录因子结合位点对研究基因调控系统有着重要意义,生物信息学在转录因子结合位点的研究中发挥着关键的作用。文章综述了分析蛋白质编码基因的转录因子结合位点的典型流程,总结了主要的算法、软件和资源,并简要评述了目前非编码RNA转录调控的研究现状。     

遗传算法在转录因子结合位点识别中的应用

遗传算法是模拟生物进化过程的计算模型,是一种全局优化搜索算法。将遗传算法与转录因子结合位点识别问题相结合的新方法,以一致性序列模型作为保守motif的描述模型,通过对motif序列与待测序列的比对问题进行编码,将其转化成搜索空间中的优化问题,利用遗传算法来搜索最优解,预测转录因子的结合位点。实验结果表明,这种新的方法是有效的,它在占用少量内存的情况下能够准确地识别出待测转录因子结合位点。     

利用序列保守模体和局部构象信息预测转录因子结合位点

转录因子结合位点的计算预测是研究基因转录调控的重要环节,但常用的位置特异得分矩阵方法预测特异性偏低.通过深入分析结合位点的生物特征,提出了一种综合利用序列保守模体和局部构象信息的结合位点预测方法,以极大相关得分矩阵作为保守模体的描述模型,并根据二苷参数模型计算位点序列的局部构象,将两类信息得分组合为多维特征向量,在二次判别分析的框架下进行训练和滑动预测.预测过程中还引入了位置信息量以优化似然得分和过滤备选结果.针对大肠杆菌CRP和Fis结合位点数据的留一法测试结果表明,描述模型的改进和多种信息的融合能有效地改善预测方法的性能,大幅度提高特异性.