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。

基于位置关联权重矩阵及DNA结构信息预测人类剪接位点

人类剪接位点的识别是当前研究的一个重要课题.根据人类剪接位点附近区域的保守性,以位置关联权重矩阵及DNA结构信息作为特征输入参数,应用支持向量机(SVM)对人类基因组中的供体端和受体端剪接位点做了预测.对于供体端,5-fold交叉检验总体预测精度为92.55%,3-way data split检验总体预测精度为92.25%;受体端5-fold交叉检验总体预测精度为90.70%,3-way data split检验总体预测精度为89.87%.

基于位置权重矩阵的核小体识别及功能分析

为研究高通量的人类CD4+T细胞的核小体定位模式,使用迭代算法对核小体定位模式进行分类,并利用位置权重矩阵方法分别构建稳定核小体定位序列、动态核小体定位序列和连接区序列模型,通过十倍交叉验证评估模型性能,并与Segal方法与弯曲度方法进行比较,发现位置权重矩阵方法在敏感性、精度和准确性方面都具有一定优越性。同时采用滑窗法在全基因组选取候选序列进行核小体识别,挖掘核小体定位相关基因,并进行基因生物学进程功能富集分析,发现稳定与动态核小体、真实与潜在核小体对应的基因所参与调控的生物学过程各有不同,但也有一些生物学过程为不同类别核小体所共有,例如对细胞内大分子的调控功能。

基于DNA结合特异性权重矩阵的TAL效应物靶标预测

计算预测出TAL效应物的候选靶标有助于高效地确定TAL效应物的靶基因,进而阐明TAL效应物的生物学功能,但是目前在TAL效应物靶标计算预测方面的研究仍然很少.为了设计出预测TAL效应物靶标的有效算法,基于TAL效应物的已知靶标数据,构建了TAL效应物靶点的RVD-核苷酸关联矩阵,并将RVD-核苷酸关联矩阵归一化成RVD特异性概率矩阵,为靶标预测构造新的打分函数.实验结果表明,改进的TAL效应物靶标预测算法对大部分已知靶标预测的打分排名比已有算法更靠前,并且结合基因表达数据可以预测出TAL效应物的新的候选靶标.

基于位置关联权重矩阵及序列组分的多样性增量识别剪接位点

前体mRNA的剪接是真核基因表达的关键阶段,识别剪接位点对基因表达也起着至关重要的作用。作者用紧邻与非紧邻的位置关联权重矩阵及组成分的多样性增量得到的五维特征向量来表示序列,应用支持向量机对供体位点和受体位点进行识别。采用5-fold交叉检验,得到供体和受体位点的马修斯相关系数分别为0.924和0.947,ROC曲线下面积分别为99.08%和99.54%。与一些传统方法相比,这一方法考虑了位点之间的相关性和序列的生物信息,表现出特征少、精度高等优点。

转录因子结合位点生物信息学研究进展

转录因子结合位点(Transcription factor binding site,TFBS)是与转录因子结合的DNA序列,它们与转录因子相互作用调控基因的转录过程。确定TFBS是理解转录调控机制,建立转录调控网络的关键问题。随着高通量实验技术的发展,结合ChIP-chip实验以及多个基因组的序列信息来预测TFBS已成为新的研究热点。本文简要概述了用于TFBS定位的实验技术,TFBS信息相关的数据库,重点评述了描述TFBS的模型以及预测TFBS的多种软件。TFBS的生物信息学研究的发展,将与相关领域相互促进,有助于进一步揭示转录调控机制。

预测酵母(Yeast)基因转录因子结合位点

基于在转录因子结合位点各碱基出现的概率不相同,以转录因子结合位点每一位置的碱基保守程度为参量,分别计算每种转录因子结合位点在每一位置的碱基保守指数Mi.通过构建每种转录因子结合位点位置权重矩阵(PWM),利用位置权重矩阵打分函数对酵母四种转录因子结合位点进行预测.利用se lf-cons istency和cross-va lidation两种方法对此算法进行检验,均获得了较高的预测成功率.结果显示四种转录因子结合位点的预测成功率均超过80%,且同时获得多个试验未测定的转录因子结合位点,对实验有指导意义.

细菌σ^(54)启动子序列分析与预测

对实验确定的168条σ54启动子序列进行保守性分析,获得两个保守的区域-24区域和-12区域,均为最保守的功能元件。选取保守性最大的17个保守位点的三联体频数作为参数,引入伪计数构建位置权重矩阵,对168条σ54启动子进行预测,分别从编码区和汇聚非编码区共选取168条序列组成阴性集。使用Jackknife交叉验证法对模型进行检验,整体准确度达到82.0%,为σ54启动子的理论和实验研究提供新信息。

基于离散增量结合支持向量机方法的果蝇启动子预测

目的:改进真核生物启动子的理论预测方法。方法:基于启动子序列的信号特征和内容特征,构建6个标准离散源,计算每条序列相对于标准离散源的离散增量;构建信号特征的启动子位置权重矩阵,计算其对应位置的位置权重打分函数,将所得到的两类参数输入支持向量机对果蝇启动子进行预测。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,结果表明五种转录因子结合位点的预测成功率均超过91%。结论:结果显示结合了支持向量机的离散增量算法能够有效的提高预测成功率,是进行真核生物启动子预测的一种很有效的方法。

基于序列特征的人类Pol Ⅱ启动子理论预测

基于已知的人类Pol Ⅱ启动子序列数据,综合选取启动子序列内容和序列信号特征,构建启动子的支持向量机分类器.分别以启动子序列的6-mer频数作为离散源参数构建序列内容特征,同时选取24个位点的3-mer频数作为序列信号特征构建PWM,将所得到的两类参数输入支持向量机对人类启动子进行预测.用10折叠交叉检验和独立数据集来衡量算法的预测能力,相关系数指标达到95%以上,结果显示结合了支持向量机的离散增量算法能够有效的提高预测成功率,是进行真核生物启动子预测的一种很有效的方法.

蛋白质β-发夹模体片断的识别

依据β-发夹氨基酸序列中的保守性特征,分别以氨基酸(20种氨基酸和一个空位)和氨基酸紧邻关联为参数,通过构建位置权重矩阵和选取氨基酸最佳序列模式片断,利用相似性打分函数,对蛋白质超二级结构β-发夹模体片断进行识别,获得了较好的预测效果.

一种用于模体预测的改进吉布斯采样算法

当前有许多用于预测模体的算法,但没有一种算法能有效地应用在所有场合。依据位置权重矩阵的模体模型,提出一种改进的吉布斯采样算法来识别模体。该算法有效地克服了吉布斯采样算法的局部收敛性,并且可以直观地控制预测模体的保守度。同时引入了模体库的概念,并通过分析模体库数据,提高了模体预测的灵活性和准确率。设计了仿真数据,并选择了已被生物实验验证过的模体数据,证实本算法的可行性和有效性。与当前常用的基于吉布斯采样改进的算法比较,本算法有效地提高了模体预测的准确性、灵活性和稳定性。

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。

酿酒酵母核小体定位理论模型的体外实验验证

核小体定位对真核生物基因表达调控发挥着重要作用。前期基于核小体核心及连接区域的k-mer频次分布偏好性,构建了位置权重矩阵算法,并在酿酒酵母基因组内较好地预测了核小体占据率。利用该理论模型,以1 bp碱基为步长、147 bp碱基为窗口,用该算法计算了酵母1号、3号、14号染色体上核小体形成能力强、中、弱各3条长度为147 bp的DNA序列,将这些片段克隆到重组质粒中,大量扩增回收9条标记biotin分子的目的序列。同时分别表达纯化了组蛋白H2A、H2B、H3和H4,复性后装配形成组蛋白八聚体结构。利用盐透析方法将9条DNA序列在体外组装形成核小体结构,经biotin标记检测后计算了反应过程的吉布斯自由能,对比了9条目的序列形成核小体的亲和力大小。研究发现,9条序列中有5条序列与理论预测完全符合,4条序列与理论预测不完全一致。实验结果与该算法预测的核小体定位结果基本一致,表明该理论模型能够有效预测酿酒酵母基因组核小体占据水平。

改进的离散增量算法预测27类折叠子的结构类型

蛋白质二级结构预测是三级结构预测的一个非常重要的中间步骤,而折叠子识别和结构类型的准确预测则可以提高二级结构和三级结构预测的准确度.本文从蛋白质的一级序列出发,提出了一种改进的预测算法:以二肽组分、预测的二级结构信息、伪氨基酸组分和位置权重矩阵打分值等特征分别作为参数,输入离散增量算法的单分类器中,通过加权融合单分类器的计算结果,对27类折叠子的结构类型进行了预测,取得了较好的预测结果.

基于一致序列多样性分析的启动子预测方法

基于启动子的以下特点:(1)启动子区域有一些一致序列,但对于不同的启动子,一致序列在个别碱基上会有所改变,具有多样性;(2)一致序列的位置并不固定,总是在某个范围内波动;(3)大部分的真核生物启动子都和CpG岛有关。提出了一个新的启动子预测方法,即采用了一种新的统计建模策略,并首次提出了区间位置权重矩阵(IPWM)概率模型。大规模序列测试结果表明,新的启动子预测系统具有较好的敏感性和特异性。

基于支持向量机(SVMs)的人类核心启动子的识别

本文采用基于支持向量机(SVM s)的方法预测了4类含有核心启动子元件的启动子和含有CCAAT-box的启动子。4类核心启动子元件分别是DPE,BRE,TATA-box和Inr。特征提取采用基于位点权重矩阵(PWM s)的程序Promoter C lassifier进行。本文预测结果的敏感度,确定度,以及相关系数均高于三种启动子预测方法(PromoterInspec-tor(PI),Promoter 2.0 Pred iction(PP)和Neural Network Promoter Pred iction(NNPP),使敏感度和确定度同时高于0.84,其中TATA-box预测结果可使敏感度和确定度同时高于0.95。

微孢子虫PolyA位点的预测

多聚腺苷酸化是真核细胞内形成成熟mRNA的一个重要步骤,其位点的预测对基因组序列中编码基因的发掘具有重要的参考价值.本研究以缺乏有效基因预测方法的微孢子虫基因组为对象,根据该物种的基因表达偏好设计了一个算法,对其PolyA位点进行预测分析.首先,采用k阶核苷酸频率形式和位置权重矩阵形成初始的特征,然后用PCA降低特征空间的维数,得到的数据用机器学习方法进行分析,产生一个较好的分类结果.其中基于支持向量机的实验得到的敏感度(Sp)和ACC分别达到了87.33%和85.14%,这在微孢子虫的PolyA位点预测上取得了较为理想的效果,并为以后机器学习算法在微孢子虫基因预测领域做了很好的尝试.

用核糖体扫描模型预测翻译起始位点

真核生物翻译起始位点(TIS,translation initiation site)的正确预测对于基因的正确注释有着重大的意义.在真核生物中,翻译并不都是起始于第一个AUG密码子,还取决于AUG前后序列的信息.结合位置权重矩阵(PWM,position weight matrix)和开放阅读框架(ORF,open reading frame)的长度分布特征建立了简单的方法识别翻译起始位点,此方法能很好地区分上游AUG和TIS.对于脊椎动物以及人类的mRNA序列,运用核糖体扫描模型预测其翻译起始位点得到了很好的预测率.