真核生物基因组序列对中DNA模体对的识别

论文摘要

生物信息学是一门融合生物学、应用数学、计算机科学以及信息学等学科的新兴交又学科。在最近十几年里,伴随着测序技术的发展以及人类基因组计划的实施,产生了大量的生物基因组序列和蛋白质序列数据,为我们进一步地认识和研究生物信息学提供了大量的数据支持,我们在分析这些海量数据的同时,也面临着众多挑战。其中,生物信息学领域的一个核心难题是调控模体预测问题。本文主要的研究问题是如何结合图论中二部图模型来分析和预测真核生物中的调控模体对。基因表达指的是基因指导下的蛋白质合成过程,其中关键的一步是基因的转录,同时也是调控基因表达的关键阶段。在高等真核生物基因表达调控中,顺势作用元件如增强子、启动子等之间的协同作用对相关基因的时空表达具有重要的调控作用。准确地认识和预测染色质的长程相互作用区域上调控模体之间的相互作用,将有助于我们进一步研究转录因子的性质,最终可以将其运用在疾病研究和制药等方面。在本篇论文中,首先我们介绍了染色质的长程相互作用区域上调控模体对预测问题的研究背景及意义,然后简要的介绍了现有的调控模体预测算法,接着详细阐述了Ka-Chun Wong等人提出的两种基于概率模型的在染色质长程相互作用区域上调控模体对识别算法:从头测序模体对识别算法和MotifHyades算法。对CHIP-seq数据的研究和Hi-C技术的应用,更多的证据表明基因的共表达、蛋白质-DNA相互作用与染色质的长程相互作用区域上DNA模体对有关,同时GEO、ENCODE等数据库为我们提供了大量的染色质的长程相互作用区域上的DNA序列对数据,结合这些数据我们设计了一种将二部图思想和调控模体对预测问题相结合的算法。该算法主要包含调控模体对二部图的构建和稠密子图的查找两个过程。我们提供了在Windows平台上运行的程序,然后通过结合K562细胞系基因组序列对数据,预测出染色质的长程相互作用区域上的模体对。通过程序运行结果的分析和比较,我们发现该算法能够较快的预测染色质的长程相互作用区域上的模体对,且具有一定的准确度。该算法的创新点在于用高阶马尔可夫模型表现碱基之间的依赖关系,巧妙地创建了l-mer之间二部图,并运用改进的DBSCAN聚类算法完成了DNA序列对数据中模体对预测问题,从而构建了有效的模体对预测模型。

论文目录

• 中文摘要
• abstract
• 第一章 绪论
•   §1.1 生物信息学简介
•   §1.2 研究背景及意义
•   §1.3 基因的表达和转录调控机制
•   §1.4 调控模体的表示方法
•   §1.5 论文的内容和创新点
• 第二章 调控模体对预测算法简介
•   §2.1 模体预测问题
•   §2.2 模体预测的方法
•   §2.3 基于共调控基因的调控序列的算法
•   §2.4 基于概率模型的两种模体对预测算法
•   §2.5 本章小结
• 第三章 一种新的真核生物DNA序列对上的模体对预测算法
•   §3.1 数据的收集和预处理
•   §3.2 算法设计
•   §3.3 结果分析和对比
•   §3.4 本章小结
• 第四章 总结与展望
•   §4.1 总结
•   §4.2 展望
• 参考文献
• 致谢
• 学位论文评阅及答辩情况表

文章来源

类型: 硕士论文

作者: 邢飞

导师: 李国君

关键词: 生物信息学,转录因子结合位点,染色质相互作用,模体预测,模体对,启动子,增强子,高阶马尔可夫模型,聚类算法

来源: 山东大学

年度: 2019

分类: 基础科学

专业: 生物学

单位: 山东大学

分类号: Q811.4

总页数: 51

文件大小: 3439K

下载量: 78