资源描述
| 维晋资讯 生物料理学报第二十三卷第六期二OO七年十二月ACTA BIUFHYSICA SINICA Vol+23 No.6 Dec. 2007大肠杆菌启动子的识别张颖, 贾芸, 吕军(内蟄古丁-业大学理学院物理系,呼利沽特010051)摘要:应用多样性增量结合二次判别分析(Incrcmuin of Diversity with Quadratic Discricnmant analysis IDQD)方法”对丸肠杆菌曲启动子进ft识别*便用黄试者操柞箱性(reu亡i呻operating characteristic 4 ROC ) 曲线和杓度召回率曲线(Precision Recall Curves, PRC)进行性能评怙.10心|1克艮检验蛤由,在正贞菓之比为 1:1时.ROC曲线fifc积输PRC曲找下而积均95%,结建哀明,IDQD K法有能力盛用于原檢启动于的识 别*逗别精氏离于現有算法.关键词:大肠新苗;启动子;多样性墟童;二次判别介析中13井类号:Q610引 言启动子柞为RNA聚合酶结合的靶序列,对转 录起始冇调节和控制作用*决定着基因表达过程是 否开始以及在什么条件下开始。启动子的识别是研 究转录调节网络的前提丸肠杆菌是最典型的模式生物Z-,对大肠杆 菌的转录调节网络的研究也已比较深入。细菌 RNA聚合酶-般都含有b因子.它在酶与启动子 特异性结合的过程中起着极苴巫要的作用。不同的 因子识别不同的启动子,所以,一般可以用er因 子来区別不同类型的启动子在大肠杆菌中由 叩就)基因编码的(右上角数字代表相对仆子 就,X1W)是犬肠杆菌细胞生命活动中最常见的也 是数疑最多的调控因子。早在975年,Pribnow 就基于仅仅6个已知启动子,确定了中央位丁转录 起始点上游10 bp处的Pribnow区(Pribnow bos) % 现在也称A TATA IZ (TA1A box)或-10 区* K 共同序列为TATAAT.不久3后,科学家们就崔 启动子的-35 bp附近找到了另外一段共同序列 TTGACA叫 称为TTGACA区或对区* 10区 和-35区是RNA聚合酶与启动子的结合位点.能 与a因子相互识别而具有很高的亲和力。已冇原核用动子的识别方法可以分为两类,一 类是基于碱基组成的方法,如惩罚词频法叫字典 模型法闻等.対一类是基于信号的方法.如位置权 重矩阵(position weight matrices, PWM【叭神经 网络(Neural network, NN)lfi,、-马尔可夫模型 (Markov models进一步将碱基组成与 信号特征作为模型的输入通过线性或非线性函数 權合这些特征进行最终的判别阿.Du等艸最近提岀 一种基于特征筛选的原核启动子判别方法,谨方法 用二决判別分析整合了序列的组成特征、信号特征 和结构特征,取得了较高的预测精度,尤其是对非 启动子也得到了满意的预测结果.Gordon提出比对核(sequence alignment kernel)与支持 向量机(support vector machine, SVM)结合的模 型对大肠杆菌启动子迸行识别获得了较高的精 度m最近* Li和Lin冋提出-种位置相关得分矩阵 (position-correlation scoring matrix, FCSM)算法, 该算法恠据-35 g. -】0区和起始区的保导性特 征,在和关的10个位点附近考虑6 mcr频率给出 一亍打分函数*结果显示,PCSM S法获得了已知 算法中的最高精度,敏感性(sc阳itWig Sn)和特 异性(specificity. Sp)分别达到91%和81%,尤 其是该算法对大肠杆菌全基因组扫描获得了较低的 假阳性(false positive rate, FPR)* 机器学习算 法瓷生物信息学领域的成功应用+说明发展商效能 的机器学习算法对于全面理解生命活动的机理冇着 重要的意义“本文中,我们应用多样性增量结合二次判别分 析 (Increment of Diversity with Quadratic收隔日期:2007-03-h華金顷目:内蒙古T业犬学栓内咗金州兗项目OC20O424),内谡古工业乂学重点酬究项目(ZD2OO6O7) 通ifl作者:冃军,电话:(0471)6552521,E-mail: lujiniiTnu(L
展开阅读全文