基于图聚类的转录因子结合位点识别方法的研究-计算机应用技术专业论文.docxVIP

独创性声明本人郑重声明：所提交的学位论文是本人在导师指导下独立进行研究工作所取 独创性声明 本人郑重声明：所提交的学位论文是本人在导师指导下独立进行研究工作所取 得的成果。据我所知，除了特别加以标注和致谢的地方外，论文中不包含其他人已 经发表或撰写过的研究成果。对本人的研究做出重要贡献的个人和集体，均已在文 中作了明确的说明。本声明的法律结果由本人承担。 学位论文作者签名：王钮曼 日期．砷．伛 学位论文使用授权书 本学位论文作者完全了解东北师范大学有关保留、使用学位论文的规定，即： 东北师范大学有权保留并向国家有关部门或机构送交学位论文的复印件和电子版， 允许论文被查阅和借阅。本人授权东北师范大学可以将学位论文的全部或部分内容 编入有关数据库进行检索，可以采用影印、缩印或其它复制手段保存、汇编本学位 论文。 (保密的学位论文在解密后适用本授权书) 日 期：2Q＆!』：终 言导教师签翥!j骆_p／u／ 学位论文作者签名：磁 日 期： ．．：．6．d 学位论文作者毕业后去向： 工作单位： 电话：一 通讯地址： 邮编：—— 摘 摘 要 ’转录因子结合位点是一段短的DNA序列，长度一般在10bp~30bp之间，它通常位 于被调控基因上游的启动子区域中，转录调控蛋白与这些序列结合才能对基因的转录进 行调控。因此识别转录因子结合位点成为构建转录调控网络的第一步。通常一种转录调 控蛋白具有多个结合位点，这些位点在序列模式上具有相似性但又不完全相同，因此寻 找一个转录调控蛋白的全部结合位点成为当今生物信息学领域最具挑战性的问题之一。 本文提出一种利用图论知识对与一个转录调控蛋白结合的所有己知转录因子结合 位点进行聚类从而识别未知转录因子结合位点的方法。通过对已知的转录因子结合位点 进行聚类，我们可以把相似性最高的序列分到一组j对每一组中的序列构建位置特异性 得分矩阵，从而得到多个位置特异性得分矩阵，把这些位置特异性得分矩阵组合在一起 就形成所有已知的转录因子结合位点的混合位置特异性得分矩阵模型。我们用这个模型 对训练集中的序列进行打分从而形成得分向量，用这些得分向量训练一个分类器，训练 好的分类器就具有识别这种转录调控蛋白的结合位点的能力。 理论上，我们的聚类方法不需要预先确定聚类数目而是根据序列之间的相似性自适 应的调节聚类数，因此聚类效果比传统的聚类方法有较明显提高，另外，通过聚类得到 的混合位置特异性得分矩阵模型的信息含量比单一的位置特异性得分矩阵高，因此用它 给转录因子结合位点序列打分受随机事件的影响较小，分数更加可靠，训练分类器的效 果更好，因此我们的方法比传统的方法更具优势。 实验上，我们首先通过大肠杆菌转录因子结合位点测试我们的方法，结果识别效果 比传统的位置特异性得分矩阵方法有明显提高。接着我们又对酵母的四个转录调控蛋白 的结合位点序列进行试验，结果表明，使用我们的方法进行转录因子结合位点识别，在 识别的敏感性和特异性上均比传统的位置特异性得分矩阵方法有较大提高，从而说明我 们的方法在转录因子结合位点识别上是有效的。 关键词：生物信息学；转录调控蛋白；转录因子结合位点；位置特异性得分矩阵；敏感 性：特异性 AbstractTranscription Abstract Transcription factor binding site(TFBS)is a short segment of DNA sequence．The length of TFBS is between 1 0 and 30 base pairs．It is usually located in the upstream of gene that is regulated by it．Transcription regulation proteins must bind to these sequences in order to regulate the transcription of the gene．So identifying the TFBS is the first step of constructing transcription regulation net．There are usually many binding sites to which one kind of transcription regulation protein binds．These sequences are usually similar but not same in the sequence mode．So identifying all binding sites of one transcription regulation pr