拟南芥转录因子DREBs靶基因的计算预测

【摘要】：探索转录因子调控的靶基因一直是近年来包括实验分子生物学和计算生物学领域的热点和难点。本研究提出了一个有效的基于机器学习的转录固子靶基因预测的方法,并在拟南芥基因组中成功预测了拟南芥转录因子 dehydration responsive-element binding proteins (DREBs)的靶基因。寻找位于基因上游调节区域中的转录因子结合位点是预测靶基因的方法之一,但是仅仅靠这一结合位点并不能够完全决定转录因子的特异性结合。实验研究表明, 转录因子结合位点的侧翼序列对靶基因的识别也非常重要。因此,我们选择 DREB 转录因子结合位点及其两侧各100bp 长度序列,将其定义为 DRE frame sequence(DFS)。采用32个已报道 DREB 靶基因启动子区域中的 DFSs 做为阳性数据集。同时,将从拟南芥基因组全部基因启动子序列中随机抽取包含 ORE motif 的 DFSs 做为阴性数据集。利用 HexDiff 算法,计算所获得的阳性数据集和阴性数据集中六核苷酸基序(hexamer)出现频率的比值,我们可以找出阳性 DFSs 中有意义的重复出现的顺式调节基序。本研究中收集了比值大于3.0的 hexamer, 做为描述 DFSs 的特征。利用这些特征,我们将阳性数据集和阴性数据集中序列表征为84维的向量,其中包括第一维的+1(阳性)或者-1(阴性)标记。然后,我们训练了支持向量机 (SVM)来进行分类。5-fold 交叉验证表明,SVM 分类器经优化后可达到的准确性,敏感性和特异性分别为85.6%,66.7%和94.6%。利用此 SVM 分类器,我们对拟南芥全基因组进行扫描,共得到474个 DREB 靶基因,其中包括26个已报道的 DREB 靶基因,占全部已报道32个 DREB 靶基因的80%。结合拟南芥非生物逆境基因表达数据(来源 NCBI)分析发现,160个预测的靶基因在逆境处理30分钟内表达就有明显变化,同时另外108个靶基因在逆境处理24 小时内表达出现明显变化。本研究中提山了一种新的计算预测转录因子靶基因的方法,随着转录因子相关信息的积累,此方法可应用到其他转录因子的靶基因预测中。本研究对 DREBs 的靶基因进行了预测,预测结果为进一步解析 DREB 转录因子相关的抗逆调节分子网络提供了参考。