20366.基因啟動子序列模式建模與發(fā)現(xiàn)

1、基因啟動子序列模式建模與基因啟動子序列模式建模與發(fā)現(xiàn)發(fā)現(xiàn)ModelingDiscoveringfMotifsofGenePromoterSequences學科專業(yè)：計算機科學與技術研究生：田彬指導教師：宮秀軍副教授天津大學計算機學院二零一二年十一月摘要啟動子序列模式的建模與發(fā)現(xiàn)是基因表達與調控組織特異性模式發(fā)現(xiàn)的核心。研究表明，綜合多個模式發(fā)現(xiàn)工具的結果覆蓋度較高，但是需要消除冗余。目前，在消除模式冗余中缺乏變長模式的定長建模、高質量的

2、模式相似性度量。針對上述問題，本文提出了變長模式的定長建模方法、基于概率的模式相似性度量以及無融合相似模式的層次聚類模式發(fā)現(xiàn)，提高了消除模式冗余的效果。針對模式長度可變的問題，本文在綜合考慮了模式的位置信息量和雙堿基依賴性的基礎上，分別對二者進行特征提取，從而實現(xiàn)對模式建模的目的。模式上一個位置的信息量是指能描述這個位置重要度的信息，信息量越高表明這個位置的重要性越大。研究表明，不同位置上的堿基之間存在著相互影響，并且高保留的位置傾向于

3、聚集到一起。本文基于來自JASPAR數(shù)據(jù)庫的模式的分類分析，對兩種建模方法進行了比較分析。為了提高模式相似性的計算，本文綜合考慮了兩個模式來自相同源分布的概率和來自獨立源分布的概率，提出了基于概率的相似性度量。本文對分別具有25個類別的兩組模擬數(shù)據(jù)集進行分類分析，實驗結果表明基于概率的相似性度量在兩種模式建模方法上的表現(xiàn)都是最好的。針對聚類分析過程中融合相似模式導致模式上堿基分布趨向于均勻分布的不足，本文提出無融合相似模式的層次聚類模式

4、發(fā)現(xiàn)。同時，本文還針對聚類過程中的關鍵問題提出了解決方案：聚類質量評分函數(shù)；聚類族代表樣本的選擇；序列掃描匹配評分函數(shù)。本文首先綜合上述關鍵技術對兩種聚類方法進行實驗比較，然后結合兩組具有25個類別的模擬數(shù)據(jù)集對聚類質量評分函數(shù)進行分析評價，最后展示了來自人體心肌細胞的76個組織特異性基因產生的1417個模式的聚類分析結果，通過聚類得到38個冗余度低的候選模式。對于結果集，本文首先利用在線工具STAMP對結果進行與已知模式匹配度分析，然

5、后利用來自人體的2852個組織特異性基因和13275個GO詞匯對聚類得到的38個模式進行功能映射分析。并且，在每個方法結果集中出現(xiàn)頻率前10的GO詞匯的重合度達到60%，足以說明方法的可靠性。通過分析已有消除模式冗余方法的不足，本文提出了變長模式的定長建模方法、基于概率的相似性度量，提高了消除模式冗余的效率和質量。通過實驗發(fā)現(xiàn)，本文提出的消除模式冗余方法得到的結果中部分是現(xiàn)存在的模式，得到的GO詞匯絕大部分與心肌或細胞功能相關，表明結果