Bayesian Joint Prediction of Associated Transcription Factors in Bacillus subtilis 96325101 陳冠廷 96325105 陳靜儀 96325111 謝仁傑 96325116 林敬恆
Motivation 在推斷gene的時候，管理機制的問題。 實驗的準確性，很難可靠的預測出TF(transcription factor)調控基因。 監督式學習是可性度較高的預測管理。 在最佳的預測，細菌B.subtilis中，只有知道20%的TF有超過10個已知的建構序列(Binding Sequences) 。
Sigma factor Sigma factor 是結合在RNA上的聚合酵素複合體，可以識別出特殊的DNA motifs開始轉錄的位置。 sigA - 主要調控多數基因的因子。 sigB - 複雜的反應因子。 sigD - 和基因活動性及趨藥性有關。 Other - sigZ、sigF、sigG、sigK、sigH - 和形成孢子有關
B.subtilis實驗 本論文之前 – 使用174個microarray資料來做實驗，從實驗中知道sigma factor建構motifs，預測出某個調控B.subtilis各個基因的sigma factor。 本論文中 – 針對基因調控網路來預測sigma factor的建構位置與生物資訊來連結TFs的調控關聯性，並且找出TF建構位置附近的sigma factor建構位置。
2. Method 藉由貝氏機率和統計方式利用 Sigma factor 來預測他會和哪個TF共同作用，並預測他們作用的轉錄起始位置。 利用Position Specific Score Matrix (PSSM) 來尋找序列模組
2.1 Sigma factor prediction 表示基因被 調控的機率。
2.2 Combining sigma factor and transcription factor
2.2 Combining sigma factor and transcription factor 利用上頁圖表來估計基因被TF( )和Sigma factor( )所共同調控的機率
2.2 Combining sigma factor and transcription factor 但因為還有些Sigma factor還未被實驗所找到。所以，加入pseudocount來估計 分子 (K:被考慮的TF數量) 分母 (i=0:K,0為目前未知的TF)
2.3 Motif search 利用PSSM來尋找Motif PSSM陣列是用來找到一個在TF的binding sequence motif上的核甘酸b在位置r上面的分數 (R: Motif 的長度)
PSSM
2.4 Relative distance from transcription start site to TF binding site : probability density distribution : Transcription factor “Ti”轉錄開始端-接合端的距離 利用Gaussian kernels來描述鹼基對的分佈
2.4 Relative distance from transcription start site to TF binding site 藍色: 正向調控 紅色: 負向調控 綠色: 均有
2.5 Combining sigma factor and transcription factor prediction 定義: 基因被TF和Sigma factor所共同調控的條件機率 - (U: sigma factor 的總和) =
2.5 Combining sigma factor and transcription factor prediction 我們將其拆成三部份 S代表upstream sequence, 其中包含binding site Si,和剩下的S\Si Si 是從轉錄起始位置距離Di的地方產生 S Si S\Si S/Si
2.5 Combining sigma factor and transcription factor prediction (Mi是指upstream “S” 中,transcription factor “Ti”的 PSSM分數最大值)
2.5 Combining sigma factor and transcription factor prediction 根據以上推倒,原式會變成 而其中
2.6 Example calculation
2.6 Example calculation
3.1 The sigma factor prediction aids in TF prediction 為了能夠驗證預測的正確性，我們比較了 和
3.2 The TF prediction aids in the sigma factor prediction “事後機率”比“事前機率”準
Result
Result The joint prediction of TFs is a powerful way. to confirm the sigma prediction to predict new members of the TF regulon The joint prediction of sigma factors and TFs can make better use of known biological facts than unsupervised methods. This method can also detect genes regulated by two or more different sigma factors.
甘謝禮ㄟ修天