轉(zhuǎn)錄調(diào)控是基因表達(dá)的關(guān)鍵步驟,是生物體正常生命活動(dòng)必需的環(huán)節(jié)。轉(zhuǎn)錄調(diào)控機(jī)制受啟動(dòng)子、組蛋白翻譯后修飾等多種因素的影響,一旦這些因素缺失或發(fā)生突變,會(huì)導(dǎo)致嚴(yán)重的人類疾病。高分辨率質(zhì)譜分析等實(shí)驗(yàn)方法耗時(shí)、費(fèi)力,為此,本文從數(shù)據(jù)不平衡處理的角度,圍繞啟動(dòng)子和組蛋白翻譯后修飾位點(diǎn),基于機(jī)器學(xué)習(xí)分類算法開發(fā)出高效率、高精度的預(yù)測模型,從而縮短實(shí)驗(yàn)工作量。主要成果如下:（1）針對已有模型識別具體類型啟動(dòng)子精確性較低的問題,本文提出了多層預(yù)測模型MULTiPly。本模型利用K-tuple核苷酸組成,基于二核苷酸的自相關(guān)組成提取樣本序列的局部信息,采用雙邊貝葉斯和K近鄰特征編碼方法提取全局信息,并應(yīng)用F-score和增量特征選擇方法構(gòu)建最優(yōu)特征組合以進(jìn)一步提升模型的分類準(zhǔn)確率。此外,為了處理不同類型的啟動(dòng)子樣本數(shù)極度不平衡的問題,本文在第二層預(yù)測模型中開發(fā)了五個(gè)子分類器來逐一確定啟動(dòng)子的類型。五折交叉驗(yàn)證和獨(dú)立測試的結(jié)果表明,本文構(gòu)建的預(yù)測模型MULTiPly對啟動(dòng)子及其具體類型的識別效果顯著。（2）賴氨酸甲酰化是一種可逆的蛋白質(zhì)翻譯后修飾,涉及很多重要的生物學(xué)過程。本文首次將最遠(yuǎn)距離欠采樣（Most... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１?ＭＵＬＴｉＰｌｙ的總體框架圖??Ｆｉｇ．?２，１?Ｔｈｅ?ｏ?

?基因轉(zhuǎn)錄調(diào)控相關(guān)的生物信息學(xué)研究???非Ｃ７２４啟動(dòng)子類。這個(gè)過程一直進(jìn)行到第五個(gè)子分類器，子集＾（ＣＴ２８；）被視為正樣本集和??子集被視為負(fù)樣本集。后續(xù)的實(shí)驗(yàn)結(jié)果表明，上述基于五個(gè)子分類器的方法不??僅可以解決數(shù)據(jù)不平衡問題，而且可以準(zhǔn)確地預(yù)測所識別的啟動(dòng)子屬于六種類型中的哪??一種。該多層預(yù)測器的流程圖如圖２．２所示。??Ｔｈｅ?ｆｉｒｓｔ?ｌａｙｅｒ??Ｉ??Ｓ？ｑｕ？ｎｏ？?ｏ〇（ｆｌｎ〇???面??｜?關(guān)?圔?Ｎｏｎ一＾?‘?？??Ｉ?ＢＰＢ?ｉ?＾?Ｏｕｔｐｕｔ?Ｎｏｒｖｐｒｏｍｏｔｆ?１??？ｇ＾ｉ－ｔｔＵＭｃｇｃｏｎｔｏ?—?ＤＮＣ?１?■■丨■丨？?Ｉ??匕?－??丨??；＾?Ｈ?ｉ??Ｉ?Ｔｈｅ?ｓｅｃｏｎｄｅｒ?一一—一??＊??Ｏｕｔｐｕｔ：?ｐｒｏｎｗｌａｒ?Ｉ??ｔ?｜??胃?ＳｕｂｄａＭｉｆｌｅｒ－Ｓ?ｓ？ｑｕ？ｏａｉ?ｃｏｄｉｎｇ?春?Ｉ??■?ＢＰｅ?Ｓｅｑｕｅｎｃｅ?ｃｏｄｉｎｇ?ＳｕｂｄＭｓｉｆｔ？ｒ?２??Ｉ?＾?ｆＷＨ?＾?Ｉ??Ｏｉｔｐｕｔ?ｏ＾ｐｒｏｍｏｌ＾ｆ?ＯＮＣ?；?Ｉ??ｏｒｏ－ｐｒｏｍｏｆｒ?ＤＡＣ?ＫＮＮ?Ｏｕｔｐｕｔ?Ｉ??Ｉ?ｆ?〇ＮＣ??Ｉ?Ｉ?１??■?▼?Ｓｕｂｄａ？？ｉｆｉ＊ｆ＊３??Ｉ?Ｓｅｑｕｅｎｃｅ?ｃｏｄ丨ｎ〇?Ｓｅｑｕｅｎｃｅ?ｃｏｄｉｎｆｌ??＿?＾?ＫＮＮ?▲?８，９８?．齡??Ｉ?ＢＰＲ?ＫＮＮ?吟?■??Ｏｕｔｐｕｔ：?ｏ３＂?ｐｒｏｍｏｔｅｒ?Ｏｕｔｐｕｔ?ａａ?ｐｒｏｍｏｔｅｒ?．??Ｉ?Ｉ??圖２．２

ａｍｐｌｅｓ?￣￣ｈ??＿?＿?４??Ｗｅｂｓｅｒｖｅｒ?ｄｅｖｅｌｏＤｍｅｎｔ?Ｍｏｄｅｌ?ｃｏｎｓｔｒｕｃｔｉｏｎ?ａｎｄ?Ｓａｆｅ－Ｌｅｖｅｌ－ＳＭＯＴＥ??ｗｅｏｓｅｒｖｅｒ?ａｅｖｅｉｏｐｍｅｎｔ?ｅｖａｌｕａｔｉｏｎ?ｏｖｅｒｓａｍｐｌｉｎｇ?ａｌｇｏｒｉｔｈｍ??，?Ｍｏｄｅｌ?１?ｂＰＢ??＿?Ｐａｒｄｍｅｔｏｒ＊＂?〇?〇??▼＿?Ｍ〇ｄｅｌ２?ｏｐｕｍｏａｂｏｎ?．?ＫＮＮ??／／?ｉＳ?＾?Ｖ??［ｕ７１?－?ＸＨ｜??圖３．１?Ｆｏｒｍａｔｏｒ的總體框架圖??Ｆｉｇ．?３．１?Ｔｈｅ?ｏｖｅｒａｌｌ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ｔｈｅ?Ｆｏｎｎａｔｏｒ??３．２．?２特征提取方法??ＢＰＢ特征提取算法己被廣泛應(yīng)用于預(yù)測蛋白質(zhì)Ｓ－亞硝基化位點(diǎn)［５１］、甲基化位??點(diǎn)［２６］等。如前面２．２．２節(jié)所述的那樣，本章也采用了?ＢＰＢ來構(gòu)建預(yù)測模型。由于??每條序列中心氨基酸總是賴氨酸（Ｋ），研究時(shí)不需要考慮這個(gè)中心位置，且序列??長度為２１，故ＢＰＢ特征向量的總維數(shù)為４０。??Ｋ近鄰（ＫＮＮ）?ＫＮＮ打分策略通過從正、負(fù)訓(xùn)練數(shù)據(jù)集的相似序列中提取??特征，從而捕獲甲�；稽c(diǎn)周圍的局部序列相似性［２８］?‘。對于兩條局部序列Ａｇ，??它們之間的距離定義為：??－２２?－??

【參考文獻(xiàn)】：
期刊論文
[1]生物信息學(xué)在基因轉(zhuǎn)錄調(diào)控研究中的應(yīng)用[J]. 劉天嬋,余應(yīng)年.  中國病理生理雜志. 2004(04)

博士論文
[1]組蛋白修飾和組蛋白變異體在轉(zhuǎn)錄調(diào)控中的作用機(jī)制研究[D]. 李霞.中國科學(xué)院北京基因組研究所 2014



本文編號：3598512