基于DNase高通測序信息的DNA蛋白結合位點分析.pdf

1、蛋白質(zhì)是生物活動過程中不可缺少的物質(zhì)，其中有一種蛋白質(zhì)是同基因結合在一起的，對基因的表達與調(diào)控起著決定性作用。想要對這些DNA蛋白進行進一步的分析，尋找和識別這些DNA蛋白的結合位點是不可或缺的一項重要工作，也是本研究的研究重點和研究難點之所在。近幾年的研究中，對DNA蛋白結合位點的識別主要采用的辦法是ChIP-Seq技術，即將染色質(zhì)免疫共沉淀技術（Chromatin Immunoprecipitation，ChIP）與高通量測序技術這

2、兩種方法互相結合，高通量測序數(shù)據(jù)被稱為Seq數(shù)據(jù)。但是這種技術由于高耗能，檢驗精度低，無法一次分離出全基因組內(nèi)的多種蛋白等多種無法克服的缺點，使得DNase-Seq技術即基于DNase高通量測序信息的DNA蛋白結合位點的識別技術逐漸成為研究熱點。由于它的實驗原理不具有特異性，所以DNase-Seq技術理論上幾乎可以克服ChIP-Seq技術的所有缺點，成為促進DNA蛋白結合位點研究的首選。在研究中，首先需要在DNA蛋白位點的開放區(qū)域內(nèi)獲取

3、實驗所需數(shù)據(jù)，在實驗數(shù)據(jù)的獲取階段主要是以ChIP-Seq技術為基礎，利用GEM軟件，得到某個DNA蛋白的一系列結合位點。之后提取這一系列結合位點的DNase高通測序信息，即 DNase-Seq數(shù)據(jù)。之后對上述數(shù)據(jù)分別進行對齊、過濾、去除干擾信號的操作后就可形成訓練數(shù)據(jù)。使用訓練數(shù)據(jù)進行識別特征的提取，并且訓練構建基于DNase數(shù)據(jù)的識別算法。最后將基于DNase數(shù)據(jù)的算法與基于Seq數(shù)據(jù)的算法相結合，得到最終基于DNase高通測序信息

4、的識別模型。
　　本研究選用ROC曲線的方法，利用ROC曲線下面積的大小來判斷分類效果的好壞。主要分別對基于 DNase數(shù)據(jù)的預測模型、基于Seq數(shù)據(jù)的預測模型，并且還有基于DNase-Seq數(shù)據(jù)的預測模型進行了驗證。結果不僅表明僅單一的依靠DNase數(shù)據(jù)就可以使模型的分類效果良好，這是對DNase數(shù)據(jù)研究的一個突破。更表明了本研究提出的最終模型的分類效果非常有效，即將傳統(tǒng)的基于Seq數(shù)據(jù)的預測模型和基于 DNase數(shù)據(jù)的預測模型