一种改进图算法在调控元件预测中的应用

论文摘要

随着生命科学的快速发展,在分子生物学中的一个主要挑战是揭示基因表达的调控机制,也就是说要知道基因表达的激活和抑制怎样实现的。面对这个挑战的一个主要步骤就是识别调控元件,特别是识别DNA上的转录因子结合位点。转录因子一般是与DNA上游序列特别是临近基因转录起始位点结合的蛋白质,通过调节或抑制转录机制来调节基因的表达。这种调节元件的预测依然是一个问题。即便是研究的最透彻的生物,关于它的调控元件我们仍然知之甚少。想要准确识别这些位点难度很大,因为他们一般长度很短,只有10个碱基长度左右。而一般输入序列长度为1000bp。使问题更为复杂的是每个转录因子有多种结合位点,而且位点序列存在变化。本文借助于赋权图(weighted graph)理论,利用改进的打分函数建立一个新的算法,对输入序列每两条片段进行打分,这样在不同的结点之间就可以利用的权值的不同进而衡量匹配度。同时引入了生物学的先验信息,并与Gibbs采样算法相结合。为检验算法的性能,我们选用线虫5个转录因子进行测试。并选择其他3个算法比较性能,分别为AlignACE,Consensus,Gibbs。该算法在与其他经典算法的比较中表现出更高的准确度和敏感度,其产生的结果生物学依据更加充分。而对于不同的物种可调整本方法使用的数据以使其可适用于其他物种,使该算法适用范围更广。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 引言
• 1.1 研究背景
• 1.2 研究现状
• 1.3 研究的目的及意义
• 1.4 本文主要工作
• 第二章 生物学背景知识
• 2.1 DNA 简介
• 2.2 基因一般概念
• 2.3 转录过程
• 2.4 翻译过程
• 2.5 转录因子
• 2.6 模体
• 第三章 调控元件预测方法分析
• 3.1 相关数据库简介
• 3.2 数据库比较
• 3.3 描述调控元件的模型
• 3.4 现有预测方法概述
• 3.5 预测计算方法分类
• 第四章 改进图算法及在调控元件预测中的应用
• 4.1 图论基础
• 4.2 图的应用
• 4.3 改进后的图算法与 Gibbs 方法结合
• 4.4 根据生物学依据进行改进
• 4.5 计算信息含量方法
• 4.6 实验结果与分析
• 第五章 结束语
• 5.1 本文的主要工作总结
• 5.2 今后的工作
• 参考文献
• 后记
• 在学期间公开发表论文及著作情况