8年制生物信息學(xué)ppt課件 第11章

汕頭大學(xué)醫(yī)學(xué)院許麗艷第十一章

轉(zhuǎn)錄調(diào)控的信息學(xué)分析BioinformaticAnalysisofTranscriptionalRegulation學(xué)習(xí)提綱

重點(diǎn)：

轉(zhuǎn)錄因子結(jié)合位點(diǎn)的識(shí)別及其定位的基本概念和表示方法轉(zhuǎn)錄因子結(jié)合位點(diǎn)識(shí)別的操作步驟和相關(guān)算法的使用轉(zhuǎn)錄因子結(jié)合位點(diǎn)定位預(yù)測(cè)軟件的使用學(xué)習(xí)提綱

難點(diǎn)：

轉(zhuǎn)錄因子結(jié)合位點(diǎn)識(shí)別的操作步驟和相關(guān)算法的使用

轉(zhuǎn)錄調(diào)控相關(guān)數(shù)據(jù)庫(kù)

熟悉：、基因轉(zhuǎn)錄調(diào)節(jié)的基本模式第一節(jié)引言Introduction二、基因轉(zhuǎn)錄調(diào)節(jié)機(jī)制的研究方法實(shí)驗(yàn)方法：熒光素酶報(bào)告基因（luciferasereportgene）凝膠遷移（electrophoreticmobilityshiftassays）染色質(zhì)免疫沉淀（ChIP）DNase足跡法（DNasefootprinting）信息學(xué)分析第二節(jié)轉(zhuǎn)錄調(diào)控的高通量實(shí)驗(yàn)測(cè)定High-throughputTechniquesinTranscriptionalRegulationAnalysis

一、ChIP技術(shù)創(chuàng)立者：

20世紀(jì)80年代末

AlexanderVarshavsky等人

(Cell.1988，53(6):937-947

)甲醛交聯(lián)，穩(wěn)定蛋白質(zhì)-DNA復(fù)合物裂解細(xì)胞，分離蛋白質(zhì)-DNA復(fù)合物加入特異性抗體，沉淀蛋白質(zhì)-DNA復(fù)合物去交聯(lián)，純化DNA應(yīng)用PCR技術(shù)，特異性擴(kuò)增目的DNA片段基本實(shí)驗(yàn)過(guò)程：特點(diǎn)：針對(duì)某一特定候選轉(zhuǎn)錄因子，是否特異性結(jié)合于所調(diào)節(jié)的靶基因某一預(yù)定區(qū)域內(nèi)，如啟動(dòng)子區(qū)，進(jìn)行檢測(cè)。對(duì)同一DNA底物,可以運(yùn)用多種不同的抗體,分別進(jìn)行免疫共沉淀,以確定多種結(jié)合蛋白在同一染色質(zhì)片段上的結(jié)合。二、ChIP-chip技術(shù)創(chuàng)立者：

2000年，RichardA.Young等人

(Science.2000,290(5500):2306-2309)ChIP和芯片技術(shù)的聯(lián)合運(yùn)用全基因組范圍內(nèi)的定位分析靶基因群的高通量分析特點(diǎn)：不足之處：成本較高結(jié)果分析的標(biāo)準(zhǔn)化尚待完善分辨率較低，大于200bp基因芯片是“封閉系統(tǒng)”,只能檢測(cè)已知序列三、ChIP-seq技術(shù)創(chuàng)立者：

2007年，StevenJ.M.Jones等人

(Science.2000,290(5500):2306-2309)特點(diǎn)：染色質(zhì)免疫沉淀后的DNA，直接進(jìn)行高通量測(cè)序是一個(gè)“開放系統(tǒng)”。它可以檢測(cè)更小的結(jié)合區(qū)段、未知的結(jié)合位點(diǎn)、結(jié)合位點(diǎn)內(nèi)的突變情況和蛋白親合力較低的區(qū)段成本低，周期短，省去了標(biāo)記和雜交等步驟，并且無(wú)需多次重復(fù)實(shí)驗(yàn)，極大提高了工作效率分辨率可提高到30～50bp

第三節(jié)轉(zhuǎn)錄因子結(jié)合位點(diǎn)的信息學(xué)預(yù)測(cè)方法PredictionofTranscriptionalFactorBindingsites一、轉(zhuǎn)錄因子結(jié)合位點(diǎn)的的表示方法（一）共性序列（consensussequence）

將能與同一個(gè)轉(zhuǎn)錄因子結(jié)合的所有DNA片段按照對(duì)應(yīng)位置進(jìn)行排列，在每個(gè)位置上選擇最可能出現(xiàn)的堿基，就組成了該轉(zhuǎn)錄因子結(jié)合位點(diǎn)的共有序列。共性序列中用A、C、G、T之外的字母來(lái)表示結(jié)合位點(diǎn)中各個(gè)位置上可能出現(xiàn)的堿基組合，這些字母稱為IUPAC簡(jiǎn)并碼。共性序列的表示方法簡(jiǎn)明易懂，卻不能夠反映每個(gè)位置上不同堿基出現(xiàn)的概率。

IUPAC簡(jiǎn)并碼IUPACcodeNucleotideIUPACcodeNucleotideWAorTBC,GorTRAorGDA,GorTKGorTHA,CorTSCorGVA,CorGYCorTNA,C,GorTMAorC（二）位置頻率矩陣（positionfrequencymatrix）

位置頻率矩陣可以反映出每個(gè)位置上不同堿基出現(xiàn)的概率。該模型的一個(gè)前提假設(shè)是各個(gè)位置上堿基出現(xiàn)的概率相互獨(dú)立。矩陣每一列表示模體相應(yīng)位置上四種堿基出現(xiàn)的概率。對(duì)于長(zhǎng)度為n的模體，堿基i(i={A,C,G,T})在模體第j

個(gè)位置上出現(xiàn)的頻率為q

i,j，則整個(gè)模體用矩陣M表示如下：（三）序列標(biāo)識(shí)圖（sequencelogo）

序列標(biāo)識(shí)圖依次繪出模體中各個(gè)位置上出現(xiàn)的堿基，每個(gè)位置上所有堿基的高度和反映了該位置上堿基的一致性，每個(gè)堿基字母的大小與堿基在該位置上出現(xiàn)的頻率成正比。這種表示方法直觀地給出模體各個(gè)位置上堿基出現(xiàn)的傾向性和整個(gè)模體的序列的一致性。二、轉(zhuǎn)錄因子結(jié)合位點(diǎn)的識(shí)別基本概念：通過(guò)收集可能被同一轉(zhuǎn)錄因子調(diào)控的基因啟動(dòng)子序列，在其中尋找具有統(tǒng)計(jì)顯著性的短片段，作為轉(zhuǎn)錄因子可能的結(jié)合位點(diǎn)，稱之為轉(zhuǎn)錄因子結(jié)合位點(diǎn)的識(shí)別基本流程：收集可能被同一轉(zhuǎn)錄因子調(diào)控的多基因序列

通過(guò)多種計(jì)算方法從不同角度或不同層面去進(jìn)行計(jì)算、評(píng)估和分析，盡可能地屏蔽掉冗余序列和噪音序列，尋找出具有統(tǒng)計(jì)顯著性的短片段，作為轉(zhuǎn)錄因子可能的結(jié)合位點(diǎn)查詢相關(guān)轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)，以確定轉(zhuǎn)錄因子基本流程（一）獲得靶向序列從基因差異表達(dá)譜芯片數(shù)據(jù)出發(fā)獲得啟動(dòng)子序列。利用NCBI上相關(guān)核酸數(shù)據(jù)庫(kù)選取轉(zhuǎn)錄起始位點(diǎn)附近1000～2000bp的長(zhǎng)度作為啟動(dòng)子區(qū)從差異表達(dá)蛋白質(zhì)數(shù)據(jù)出發(fā)獲得啟動(dòng)子序列。從SWISS-PROT和NCBI等數(shù)據(jù)庫(kù)中獲得編碼基因的啟動(dòng)子區(qū)從ChIP-chip和ChIP-seq數(shù)據(jù)出發(fā)獲得結(jié)合位點(diǎn)序列。（二）轉(zhuǎn)錄因子結(jié)合位點(diǎn)識(shí)別的計(jì)算方法1.單個(gè)模體預(yù)測(cè)算法2.比較基因組學(xué)基于共有序列的識(shí)別方法:MobyDick和YMF算法

基于位置頻率矩陣的識(shí)別方法:

MEME和GibbsMotifSampler算法遺傳系譜印記法:

PhyMe、PhyloGibbs和PhyloCon

等方法3.順式調(diào)控模塊識(shí)別方法

CisModule、GibbsModuleSampler和

EMCModule方法4.基于啟動(dòng)子區(qū)重要性差異的識(shí)別算法

MDScan和DME算法5.SISSRs算法（三）處理識(shí)別結(jié)果去冗余及質(zhì)量控制

Motifclass法通過(guò)回歸分析尋找特定條件下起作用的模體REDUCE算法：以模體出現(xiàn)的次數(shù)作為自變量來(lái)進(jìn)行簡(jiǎn)單線性回歸MatrixREDUCE算法：用位置頻率矩陣的打分作為自變量進(jìn)行回歸MARSMotif-M算法：多變量適應(yīng)回歸模型

轉(zhuǎn)錄因子結(jié)合位點(diǎn)分析可利用網(wǎng)絡(luò)資源CategoryProgramURLSinglemotifdiscoveryMobyDick/mobydick/YMF/software.htmlConsensus/software.htmlMEME/meme/intro.htmlGibbsSampler/gibbs/gibbs.htmlMDScan/~xsliu/MDscan/DME/software/index1.htmSISSRs/papers/lmi/epigenomes/sissrs/ComparativegenomicsPhyMe/cgi-bin/phyme/download.plPhyloGibbshttp://www.imsc.res.in/~rsidd/phylogibbs/Cis-moduleanalysisCisModule/~zhou/CisModule/EMCModule/~gupta/emcmodule.htmlRegressionmethodsREDUCE:8080/reduce/MatrixREDUCE/software/MatrixREDUCE/MotifRegressor/~conlon/mr.htmlMarsMotif-M/software/index1.htmMotifsearchDatabaseTRANSFAC/Jasparhttp://jaspar.cgb.ki.se/DBTBShttp://dbtbs.hgc.jp/TRED/cgi-bin/TRED/tred.cgi?process=home三、轉(zhuǎn)錄因子結(jié)合位點(diǎn)的定位基本概念：根據(jù)若干已知的轉(zhuǎn)錄因子結(jié)合位點(diǎn)的模體，在所研究基因的啟動(dòng)子區(qū)域內(nèi)搜索相應(yīng)轉(zhuǎn)錄因子可能的結(jié)合位點(diǎn)，稱之為轉(zhuǎn)錄因子結(jié)合位點(diǎn)的定位對(duì)任一長(zhǎng)度為n的已知模體位置頻率矩陣M，轉(zhuǎn)錄因子結(jié)合位點(diǎn)定位就是判斷某一長(zhǎng)度為n的序列片段與M的匹配程度?？紤]到DNA序列本身有可能存在堿基組成上的偏向性，通常把位置頻率矩陣轉(zhuǎn)換為位置權(quán)重矩陣。用位置權(quán)重矩陣的打分來(lái)衡量模體與任意給定序列的匹配程度。（一）轉(zhuǎn)錄因子結(jié)合位點(diǎn)定位的計(jì)算方法位置權(quán)重矩陣在位置權(quán)重矩陣中，引入堿基i(i={A,C,G,T})在背景序列中出現(xiàn)的頻率（記為bi）來(lái)消除DNA序列本身堿基組成偏向性的影響。位置權(quán)重矩陣的每一項(xiàng)記為Si,j：則M被轉(zhuǎn)換為的位置權(quán)重矩陣S為：對(duì)于長(zhǎng)度為n的DNA序列片段，它作為模體M對(duì)應(yīng)的轉(zhuǎn)錄因子結(jié)合位點(diǎn)的打分為：tj

表示相應(yīng)序列第j個(gè)位置上出現(xiàn)的堿基。給定閾值T，如果序列片段由上式給出的打分S≥T，則認(rèn)為它有可能是相應(yīng)轉(zhuǎn)錄因子的結(jié)合位點(diǎn)。（二）轉(zhuǎn)錄因子結(jié)合位點(diǎn)的預(yù)測(cè)1.TRANSFACAliBabaP-MatchPatchMatrixCatch2.TESS/cgi-bin/tess/tess4.分析結(jié)果1.粘貼序列2.選擇參數(shù)3.開始搜索P-Match-Public1.0Public1.粘貼序列2.選擇參數(shù)3.提交序列4.分析結(jié)果1.粘貼序列3.開始分析4.分析結(jié)果2.選擇參數(shù)3.開始搜索4.分析結(jié)果1.粘貼序列2.選擇參數(shù)第一步：進(jìn)入TESS主頁(yè)，并輸入感興趣的序列；點(diǎn)擊“Submit”提交，或點(diǎn)擊“fullsearchform”進(jìn)入?yún)?shù)選擇界面第二步：點(diǎn)擊”Summary“下的超鏈接，查看結(jié)果第三步：點(diǎn)擊”ResultNavigation“下的超鏈接，輸出結(jié)果第四步：分析結(jié)果；也可返回，優(yōu)化參數(shù)，重新開始第四節(jié)轉(zhuǎn)錄調(diào)控相關(guān)數(shù)據(jù)庫(kù)TranscriptionalRegulationDatabases

一、TRANSFAC數(shù)據(jù)庫(kù)（

）TRANSFAC7.0數(shù)據(jù)庫(kù)收集的數(shù)據(jù)TableTRANSFAC_7.0FACTOR6133其中：Homosapiens（人類）

1040Musmusculus

（小鼠）765D.melanogaster

（黑腹果蠅）233A.thaliana

（擬南芥）1751S.cerevisiae

（啤酒酵母）368SITE7915MATRIX398GENE(allentries)2397其中：H.sapiens608M.musculus417D.melanogaster145A.thaliana115S.cerevisiae195GENE(entrieswithSITElinks)1504CLASS50CELL1307二、JASPAR數(shù)據(jù)庫(kù)（http://jaspar.cgb.ki.se）JASPAR數(shù)據(jù)庫(kù)的特點(diǎn)數(shù)據(jù)庫(kù)名稱特點(diǎn)JASPARCORE高質(zhì)量，非冗余的轉(zhuǎn)錄因子數(shù)據(jù)庫(kù)，收錄了460個(gè)序列模式，用于尋找特異轉(zhuǎn)錄因子模型或其結(jié)構(gòu)類型JASPARFAM包含11種轉(zhuǎn)錄因子結(jié)構(gòu)類型的模型。用于搜索未知基因組序列某一轉(zhuǎn)錄因子家族的共有模式和鑒定新模式的分類JASPARPHYLOFACTS由174種系統(tǒng)發(fā)育中保守的基因上游調(diào)控元件組成。用于分析啟動(dòng)子的組織特異性JASPARPOLII保存了13種與RNA聚合酶II核心啟動(dòng)子連接的DNA模型。用于分析潛在的核心啟動(dòng)子JASPARCNE收集了233個(gè)人類保守的非編碼元件，但是其生化和生物學(xué)功能尚不清楚。用于分析潛在的增強(qiáng)子。JASPARSPLICE包含有6種人類高度可靠的經(jīng)典和非經(jīng)典剪切位點(diǎn)的矩陣模式。用于分析剪切位點(diǎn)和選擇性剪切JASPARPBM保存有104種小鼠轉(zhuǎn)錄因子矩陣模式JASPARPBMHOMEO保存有176種小鼠同源結(jié)構(gòu)域矩陣模式JASPARPBMHLH保存有19種線蟲堿性螺旋環(huán)螺旋（bHLH）轉(zhuǎn)錄因子模型三、TRED數(shù)據(jù)庫(kù)（/TRED）TRED數(shù)據(jù)庫(kù)統(tǒng)計(jì)表相關(guān)數(shù)據(jù)人類小鼠大鼠版本hg15:UCSCHumanGoldenPathApr.03mm3:UCSCMouseGoldenPathFeb.03rn2:UCSCRatGoldenPathJan.03基因數(shù)309813168326064啟動(dòng)子數(shù)582295076430386轉(zhuǎn)錄因子有效靶點(diǎn)3409個(gè)基因,9085個(gè)啟動(dòng)子,1249個(gè)結(jié)合模體1126個(gè)基因,3089個(gè)啟動(dòng)子,366個(gè)結(jié)合模體461個(gè)基因,1132個(gè)啟動(dòng)子,150個(gè)結(jié)合模體同源組數(shù)(兩種或三種)23471與腫瘤相關(guān)的36個(gè)轉(zhuǎn)錄因子家族成員所靶向的啟動(dòng)子/基因數(shù)轉(zhuǎn)錄因子家族人類小鼠大鼠AP1(ActivatorProtein1)432/383217/190157/143AP2(ActivatorProtein2)338/318123/12390/86AR(AndrogenReceptor)69/4919/1924/15ATF(ActivatingTranscriptionFactor)189/17359/5926/26BCL(B-cellCLL/lymphoma)21/1915/150/0BRCA(breastcancersusceptibilityprotein)20/204/40/0CEBP(CCAAT/enhancerbindingprotein335/325152/134241/179CREB(cAMPresponsiveelementbindingprotein)224/220138/13395/93E2F(E2Ftranscriptionfactor)1593/1329141/12711/11EGR(earlygrowthresponseprotein)120/11167/5533/26ELK(memberofETSoncogenefamily)47/4115/136/6ER(EstrogenReceptor)169/15240/3932/31ERG(ets-relatedgene)21/215/50/0ETS(ETS-domaintranscriptionfactor)445/412207/19651/51FLI1(friendleukemiaintegrationsite1)41/4117/160/0GLI(glioma-associatedoncogenehomolog)16/168/80/0HIF(Hypoxia-induciblefactor)119/11263/6029/29HLF(hepaticleukemiafactor)10/105/52/2HOX(homeoboxgene)65/5793/815/5LEF(lymphoidenhancingfactor)40/3326/235/5MYB(myeloblastosisoncogene)253/23940/406/6MYC(myelocytomatosisviraloncogenehomolog)2676/785108/38128/62NFI(nuclearfactorI;CCAAT-bindingtranscriptionfactor136/12775/6273/65NFKB(NuclearfactorkappaB,reticuloendotheliosisoncogene)445/396202/18187/87OCT(Octamerbindingproteins)232/195123/10834/34p53(P53family)337/313135/13032/30PAX(pairedboxgene)52/4776/6113/11PPAR(Peroxisomeproliferator-activatedreceptor)149/149125/12488/84PR(ProgesteroneReceptor)31/2714/1410/10RAR(retinoicacidreceptor)233/21871/7140/40SMAD(MothersAgainstDecapentaplegichomolog)139/13076/7517/17SP(sequence-specifictranscriptionfactor)655/515296/263235/220STAT(signaltransducerandactivatoroftranscription)245/218111/10648/46TAL1(T-cellacutelymphocyticleukemia-1protein)15/149/60/0USF(upstreamstimulatoryfactor)235/21594/9172/