转录因子结合位点的计算分析方法.pdfVIP

生物物理学报 第二十四卷 第五期 二oo八年十月 ACTA Bl0PHYSICA SINICA Vo1．24 No．5 Oct．2008 转录因子结合位点的计算分析方法 李婷婷， 蒋 博， 汪小我， 张学工 (清华大学生物信息学教育部重点实验室，清华信息科学与技术国家实验室 (筹)生物信息学研究部， 清华大学 自动化系，北京 100084) 摘要：基因组上众多基因和非编码转录体按照特定的规律有序地表达是细胞正常生命活动的基础。转录调控 是基因表达调控的关键步骤，转录因子结合在基因启动子序列中的转录因子结合位点，启动基因的转录和控制基 因的转录效率。分析转录因子结合位点对研究基因调控系统有着重要意义，生物信息学在转录因子结合位点的研 究中发挥着关键的作用。文章综述了分析蛋白质编码基因的转录因子结合位点的典型流程，总结了主要的算法、 软件和资源，并简要评述了目前非编码RNA转录调控的研究现状。 关键词：转录因子结合位点；模体识别；模体定位；非编码RNA转录调控；生物信息学 中图分类号：Q6l 0 引 言 免疫共沉淀技术 (ChIP)可以得到大量与特定转 录因子结合的DNA片段 。配合覆瓦芯片 (tiling 基因表达是指基因在生物体 内的转录、剪接、 array)或者第二代高通量测序技术检测这些DNA 翻译以及转变成具有生物活性的蛋 白质分子之前的 片段，就形成 了 ChIP．chip口J和 ChIP．seq2[1技术 。 所有加工过程。人类基因组大约有两万多个基因， ChIP．chip技术的分辨率在 800bp左右，远大于转 但是在单个细胞 中，同时表达的基因往往仅有几千 录因子结合位点的长度，所以需要计算方法来确定 甚至几百个，很多基因只在特定组织或发育阶段表 转录 因子 结合位 点 的确 切位 置 。与之相 比， 达。转录调控是基因表达的关键步骤：转录调控因 ChIP—seq技术的分辨率可以达到 100bp甚至更高。 子 (transcriptionfactors，TFs)有序地结合在 目标 随着基因芯片等高通量数据的出现，计算方法 基因启动子序列中的特殊位点，启动基因的转录和 在转录因子结合位点的分析中得到了广泛的应用。 控制基因的转录效率。这些位点被称为转录因子结 对转录因子结合位点的计算研究可分为两类 问题 ： 合 位 点 (transcription factor binding sites， 第一类问题是通过收集可能被同一转录因子调控的 TFBSs)，又被称为顺式调控元件 (cis．regulatory 基因启动子序列，在其中寻找具有统计显著性的短 elements)，其长度从几个到十几个碱基对不等 。 片段，作为转录因子可能的结合位点，本文中称其 每个转录因子的结合位点通常都有特定的模式，被 为转录因子结合位点的识别问题。第二类问题是根 称为模体 (motif)。找到这些特定的序列片段对研 据若干已知的转录因子结合位点的模体，在所研究 基因的启动子区域内搜索相应转录因子可能的结合 究基因的转录调控有着重要意义。 位点，本文中称其为转录因子结合位点的定位 问 实验 中可 以用 凝 胶 迁 移 (electrophoretic mobilit~ shiR assays)或 DNase足迹法 (DNase 题。 (也有一些文章将上述第一类 问题称为转录因 子结合位点的发现或预测 问题，而将第二类 问题称 footprinting)来确定转录因子结合位点，这些方法 不能够实现大规模、高通量的分析。以基因芯片为 代表的高通量分子生物学