【技术实现步骤摘要】
一种转录因子结合位点搜索方法、系统、存储介质、终端
本专利技术属于高通量测序
，尤其涉及一种转录因子结合位点搜索方法TFBS搜索方法、系统、存储介质、终端。
技术介绍
目前，基因表达是受到调控的，转录水平上的调控对基因表达起着至关重要的作用。转录因子结合到DNA序列影响着转录的时间、位置和效率。与转录因子结合的DNA序列位点称为转录因子结合位点(Transcriptionfactorbindingsites,TFBS)。搜索TFBS对研究基因的转录调控有着重要意义。如果某一序列中含有某个转录因子的结合位点，那么称这条序列对这个转录因子是特异的。已知某转录因子的结合位点信息，在给定的DNA序列数据集中，搜索该转录因子的结合位点，称为TFBS搜索。随着高通量测序技术的不断发展，高通量测序数据集已成为基因组水平搜索TFBS的重要数据来源。当前要处理规模庞大的高通量测序数据集，使得研究者面临着计算性能和搜索准确率等多方面的挑战。在DNA序列中搜索TFBS是计算生物学中的热点问题，在过去的二十多年时间里，涌现了大量的研究...
【技术保护点】
1.一种TFBS搜索方法，其特征在于，所述TFBS搜索方法包括：/n基于位置权值矩阵的TFBS搜索方法扫描序列第一集合，将找到的TFBS信息添加到TFBS集合中，将没有找到TFBS的序列存入序列第二集合；/n基于深度学习的TFBS搜索方法扫描序列第二集合，将含有TFBS的序列存入第三集合中；/n计算序列第三集合中每条序列中各个位点的分数，将分数最高的位点作为TFBS并添加到TFBS集合中，输出TFBS集合。/n
【技术特征摘要】
1.一种TFBS搜索方法，其特征在于，所述TFBS搜索方法包括：
基于位置权值矩阵的TFBS搜索方法扫描序列第一集合，将找到的TFBS信息添加到TFBS集合中，将没有找到TFBS的序列存入序列第二集合；
基于深度学习的TFBS搜索方法扫描序列第二集合，将含有TFBS的序列存入第三集合中；
计算序列第三集合中每条序列中各个位点的分数，将分数最高的位点作为TFBS并添加到TFBS集合中，输出TFBS集合。
2.如权利要求1所述的TFBS搜索方法，其特征在于，所述TFBS搜索方法的阈值α确定，引入限制条件：基于位置权值矩阵的TFBS搜索算法的准确率Acc，包含p-value≤α的位点的正样本序列和负样本序列的个数分别为x和y，准确率Acc的计算公式：
求解的阈值α对应于一个最大的数值x，并且满足Acc大于等于深度学习的准确率AccDB。
3.如权利要求1所述的TFBS搜索方法，其特征在于，所述TFBS搜索方法的阈值α确定包括：
(1)确定采样区间[a，b]；
(2)在给定的采样区间中均匀的采集包括a和b在内的n个数，将采样区间分成n-1等份，将这n个数依次赋值给阈值α，输出对应的准确率Acc，找到满足Acc大于等于AccDB的最大阈值，如果没有满足Acc大于等于AccDB的阈值，则找到最高准确率所对应的阈值；
(3)在n个数中找到和过程(2)确定的阈值相邻的数，将较小的相邻的数赋值给a，较大的相邻的数赋值给b，生成新的采样区间[a，b]；
(4)重复执行采样过程(2)～(3)，直到采样区间小于0.000001，输出最佳阈值。
4.如权利要求1所述的TFBS搜索方法，其特征在于，所述序列第一集合是输入的DNA序列数据集Dt，包含t条DNA序列，分别为S1,S2,...,St；首先，计算特定PWM下所有位点的p-value值，将p-value值小于等于阈值α的位点作为潜在的TFBS；然后用字符串匹配算法扫描序列第一集合中的每条序列Si(1≤i≤t)，如果序列Si中含有潜在的TFBS，则将此TFBS信息添加到TFBS集合中；如果序列Si不含有TFBS，则将序列Si存入序列第二集合。
5.如权利要求1所述的TFBS搜索方法，其特征在于，所述序列第二集合是基于PWM的TFBS搜索方法没有搜索出TFBS的序列的集合。用大量含有特定转录因子的结合位点的DNA序列训练序列分类器，然后用该分类器识别序列第二集合中的每条序列，如果判断一条序列含有TFBS，将该序列存入序列第三集合中。
...
【专利技术属性】
技术研发人员：于强，胡雅娜，张晓，张瑞燊，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。