1、計算機方法識別轉(zhuǎn)錄因子結(jié)合位點(transcription factor binding sites,TFBS,也稱motif,、模式)是目前生物信息學的一個很有吸引性和挑戰(zhàn)性的課題。準確的轉(zhuǎn)錄因子結(jié)合位點的預測和識別方法可以為生物學實驗研究提供重要的參考信息,對促進調(diào)控網(wǎng)絡(luò)的研究也具有重要的意義。本文主要對真核基因的轉(zhuǎn)錄因子結(jié)合位點進行了預測和識別研究,提出了三個改進算法,并結(jié)合酵母全基因組的核小體占位分布和轉(zhuǎn)錄因子結(jié)合位點的數(shù)據(jù)進行

2、了分析研究。
　　 由于吉布斯采樣(gibbs sampling)的敏感性和快速收斂特性,該方法是目前序列模式識別的一個很有效的啟發(fā)式方法。但這種方法不是采用窮盡搜索的方式,而是啟發(fā)式地去搜索一個數(shù)學上的最優(yōu)對齊,容易陷入一個非全局最優(yōu)的局部最大值。為了解決這個問題,本文提出了一個改進的吉布斯采樣算法MPWGMS(multiple position weight matrices gibbs motif sampling)。在這

3、個算法中,主要提出采用多個motifs同時采樣和更新,引入多個采樣列的位置權(quán)重矩陣的修正方案,更大程度上尋找全局最大值。
　　 為了提高識別酵母基因序列的真實的轉(zhuǎn)錄因子結(jié)合位點的性能,在上一個改進的吉布斯采樣算法MPWGMS的基礎(chǔ)上,結(jié)合生物學的先驗知識,提出了一個酵母基因轉(zhuǎn)錄因子結(jié)合位點的識別算法YGMS(yeast gibbs motif sampling)。在YGMS中,我們結(jié)合酵母基因序列的先驗知識,在傳統(tǒng)的信息含量計分

4、函數(shù)基礎(chǔ)上增加相對于背景模型的一階模式模型的對數(shù)似然計分函數(shù),并設(shè)定采樣位點的計分閾值選擇更優(yōu)的序列采樣初始位點,代替了傳統(tǒng)的完全隨機選擇方式。
　　 為解決(15,4)-模式(即模式的長度為15,每個序列的模式與共有的模式可能有最多4個錯配的核苷酸)的問題,我們提出了一個基于神經(jīng)網(wǎng)絡(luò)的解決方法IMTM(identification of motifs using two models)。IMTM通過對樣本的序列進行變異操作,并

5、和網(wǎng)絡(luò)中的其它序列片段進行搜索和計算,搜索符合使變異了的模式和輸入樣本之間漢明距離最小化的模式序列,從而達到識別這類挑戰(zhàn)性問題的模式。
　　 結(jié)合酵母全基因組的表達調(diào)控、核小體占位情況以及轉(zhuǎn)錄因子的結(jié)合位點和親和力等數(shù)據(jù),我們進行了系列的分析和研究,發(fā)現(xiàn)轉(zhuǎn)錄因子結(jié)合親和力和對應的結(jié)合位點的核小體占位率具有明顯的相關(guān)性,核小體占位率越高,結(jié)合位點的轉(zhuǎn)錄因子結(jié)合親和力就越弱,反之,核小體占位率越低,結(jié)合位點的轉(zhuǎn)錄因子結(jié)合親和力就越強