人類細(xì)胞系中遠(yuǎn)程增強(qiáng)子--啟動子相互作用的識別研究.pdf

1、真核細(xì)胞中，基因表達(dá)精準(zhǔn)的時間和空間調(diào)控對于不同生物學(xué)進(jìn)程尤為關(guān)鍵。其中，眾多的DNA反應(yīng)活動受到不同順式調(diào)控元件的協(xié)同調(diào)控，如轉(zhuǎn)錄啟動子、增強(qiáng)子和絕緣子等。由于染色質(zhì)折疊，空間染色質(zhì)結(jié)構(gòu)使得增強(qiáng)子能夠在三維空間中作用于距離自身數(shù)十甚至上百Kb堿基的靶啟動子并調(diào)控相關(guān)基因的表達(dá)。增強(qiáng)子-啟動子相互作用在組織特異性基因表達(dá)調(diào)控中起關(guān)鍵作用并可能導(dǎo)致人類相關(guān)疾病的發(fā)生。近年來，大量高通量染色體構(gòu)象捕獲技術(shù)的發(fā)展使人們深入研究這些相互作用成為

2、可能，比如:染色體構(gòu)象捕獲(3C)，4C(circular3C)，5C(3C-carboncopy)，Hi-C(3C variant)和ChIA-PET。與此同時，隨著各種高通量測序技術(shù)的發(fā)展，各個實(shí)驗(yàn)平臺產(chǎn)生了大量基因組信號的深測序文件，這些組學(xué)數(shù)據(jù)使人們在不同的基因組范圍內(nèi)研究遠(yuǎn)程相互作用和不同類基因組信號之間的調(diào)控關(guān)系成為可能。
　　本文開發(fā)了新的計算方法并用來識別人類四個細(xì)胞系GM12878，H1-hESC，HeLa-S3

3、和K562中遠(yuǎn)程增強(qiáng)子-啟動子相互作用。我們不僅發(fā)現(xiàn)了許多潛在的影響遠(yuǎn)程互作用識別的重要基因組信號，還分析了它們的位置，分布，關(guān)聯(lián)等屬性。最后，我們通過多種模型研究了組蛋白修飾，轉(zhuǎn)錄因子，增強(qiáng)子RNA，DNA甲基化等多種基因組信號與遠(yuǎn)端增強(qiáng)子靶基因的表達(dá)調(diào)控關(guān)系，并在遠(yuǎn)端增強(qiáng)子調(diào)控靶基因的機(jī)制中發(fā)現(xiàn)了組蛋白修飾，轉(zhuǎn)錄因子等不同類基因組信號對應(yīng)不同的調(diào)控特點(diǎn)。論文主要的研究內(nèi)容概括如下:
　　一、基于前人構(gòu)建的5C技術(shù)數(shù)據(jù)庫，我們從

4、不同類別的信號中提取增強(qiáng)子，啟動子，loop區(qū)域的對應(yīng)特征，比如轉(zhuǎn)錄因子，組蛋白修飾，DNA甲基化，增強(qiáng)子RNA，核小體位置，染色質(zhì)狀態(tài)，拓?fù)潢P(guān)聯(lián)域等等。然后組合上述特征，提出BRCFS特征選擇方法和隨機(jī)森林分類器在人類四個細(xì)胞系中預(yù)測遠(yuǎn)程增強(qiáng)子-啟動子相互作用。和Roy等的結(jié)果比較，我們的10折交叉檢驗(yàn)AUPR精度提高了11％-16％，獨(dú)立檢驗(yàn)的AUPR精度提高了4％-8％。通過分析識別中的特征重要性，我們發(fā)現(xiàn)了很多潛在特征的重要作用

5、，比如:增強(qiáng)子RNA，核小體位置等。并且我們發(fā)現(xiàn)loop區(qū)域的特征對遠(yuǎn)程互作用的識別起著很大的作用;另外，不同類信號對于遠(yuǎn)程互作用的識別具有調(diào)控區(qū)域特異性和細(xì)胞系特異性。最后我們發(fā)現(xiàn)這些重要的特征在正負(fù)集樣本中有很大的分布差異。
　　二、考慮到遠(yuǎn)程增強(qiáng)子-啟動子相互作用受到不同基因組信號，序列元件以及DNA空間結(jié)構(gòu)等多方面協(xié)同作用;我們整合轉(zhuǎn)錄因子，組蛋白修飾，DNA甲基化，增強(qiáng)子RNA，核小體位置，DNA結(jié)構(gòu)屬性，轉(zhuǎn)錄因子結(jié)合模

6、體等信號特征，開發(fā)了一種更加高效的方法去預(yù)測增強(qiáng)子-啟動子相互作用?；谠鰪?qiáng)子，啟動子，loop區(qū)域的組合特征，我們使用隨機(jī)森林和梯度提升算法在人類細(xì)胞系中對增強(qiáng)子-啟動子相互作用進(jìn)行了有效的預(yù)測。基于同樣的數(shù)據(jù)庫，與Roy等的結(jié)果比較，我們在同一個細(xì)胞系中10折交叉檢驗(yàn)結(jié)果提高了15％-24％;在新的細(xì)胞系中獨(dú)立檢驗(yàn)的結(jié)果提高了9％-14％。期間，我們綜合學(xué)習(xí)了不同類型重要特征的貢獻(xiàn)特點(diǎn)，并進(jìn)一步發(fā)現(xiàn)了DNA結(jié)構(gòu)屬性，轉(zhuǎn)錄因子結(jié)合模體

7、對于遠(yuǎn)程相互作用識別的重要貢獻(xiàn)。我們對重要的基因組信號特征做了偏相關(guān)網(wǎng)絡(luò)模型分析，并發(fā)現(xiàn)了它們之間重要的關(guān)聯(lián)屬性。
　　三、在人類四個細(xì)胞系中，我們使用多種回歸模型研究了增強(qiáng)子靶基因表達(dá)水平與不同基因組信號的關(guān)系，這些信號包括11種組蛋白修飾，大于120種轉(zhuǎn)錄因子，染色質(zhì)可及性，增強(qiáng)子RNA，DNA甲基化和核小體位置。通過結(jié)果分析，我們發(fā)現(xiàn)基因表達(dá)的預(yù)測值和觀測值之間有很強(qiáng)的關(guān)聯(lián)性。然而，有增強(qiáng)子調(diào)控的基因樣本集的關(guān)聯(lián)系數(shù)比無調(diào)控

8、的基因樣本集要高很多，說明遠(yuǎn)程增強(qiáng)子會協(xié)同多類基因組信號促進(jìn)相關(guān)基因的表達(dá)。
　　四、通過分析不同信號對遠(yuǎn)端增強(qiáng)子靶基因表達(dá)水平的貢獻(xiàn)能力，我們發(fā)現(xiàn)遠(yuǎn)端增強(qiáng)子調(diào)控的基因中，轉(zhuǎn)錄因子在增強(qiáng)子和啟動子區(qū)域?qū)虮磉_(dá)水平具有較強(qiáng)的影響;而組蛋白修飾在啟動子和loop調(diào)控區(qū)域?qū)虮磉_(dá)水平具有較強(qiáng)的影響。對比同一個細(xì)胞系正負(fù)數(shù)據(jù)集中不同信號特征的重要性分值變化，我們發(fā)現(xiàn)很多組蛋白修飾和部分特異性的轉(zhuǎn)錄因子發(fā)生了很大的變化，說明這些特征協(xié)同