期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
转录因子结合位点生物信息学研究进展 被引量:29
1
作者 侯琳 钱敏平 +1 位作者 朱云平 邓明华 《遗传》 CAS CSCD 北大核心 2009年第4期365-373,共9页
转录因子结合位点(Transcription factor binding site,TFBS)是与转录因子结合的DNA序列,它们与转录因子相互作用调控基因的转录过程。确定TFBS是理解转录调控机制,建立转录调控网络的关键问题。随着高通量实验技术的发展,结合ChIP-chi... 转录因子结合位点(Transcription factor binding site,TFBS)是与转录因子结合的DNA序列,它们与转录因子相互作用调控基因的转录过程。确定TFBS是理解转录调控机制,建立转录调控网络的关键问题。随着高通量实验技术的发展,结合ChIP-chip实验以及多个基因组的序列信息来预测TFBS已成为新的研究热点。本文简要概述了用于TFBS定位的实验技术,TFBS信息相关的数据库,重点评述了描述TFBS的模型以及预测TFBS的多种软件。TFBS的生物信息学研究的发展,将与相关领域相互促进,有助于进一步揭示转录调控机制。 展开更多
关键词 转录因子结合位点 生物信息学 ChIP—chip 位置矩阵 系统发育足迹分析法
在线阅读 下载PDF
基于序列和结构特征分析植物TATA和TATA-less启动子 被引量:5
2
作者 左永春 李前忠 《生物化学与生物物理进展》 SCIE CAS CSCD 北大核心 2009年第7期863-871,共9页
分析启动子区域内调控元件是阐明基因转录起始机制的重要前提.利用从PlanPromDB数据库下载的植物Pol-ⅡTATA和TATA-less启动子数据,深入分析了两类启动子GC偏好、位点结构保守性、序列碱基组分、保守模体分布、TATAbox位点分布及关联位... 分析启动子区域内调控元件是阐明基因转录起始机制的重要前提.利用从PlanPromDB数据库下载的植物Pol-ⅡTATA和TATA-less启动子数据,深入分析了两类启动子GC偏好、位点结构保守性、序列碱基组分、保守模体分布、TATAbox位点分布及关联位点保守性等特点,统计出两类植物启动子许多特有的序列组分和结构规律,这些规律对进一步揭示植物Pol-Ⅱ启动子的转录调控机制有一定的帮助.通过构建能够同时考虑位点保守性和关联性的位点关联性权重矩阵扫描模型(PCWM),利用相应打分函数(Score)对两类启动子进行区分,得到了较好结果,说明PCWM的预测性能要优于单碱基的位点权重矩阵(PWM). 展开更多
关键词 植物Pol-Ⅱ启动子 序列组成偏好特征 TATA和TATA-less启动子 保守模体 位点关联矩阵(PCWM)
在线阅读 下载PDF
基于支持向量机(SVMs)的人类核心启动子的识别 被引量:2
3
作者 徐文韬 叶子弘 俞晓平 《安徽农学通报》 2006年第13期64-66,76,共4页
本文采用基于支持向量机(SVM s)的方法预测了4类含有核心启动子元件的启动子和含有CCAAT-box的启动子。4类核心启动子元件分别是DPE,BRE,TATA-box和Inr。特征提取采用基于位点权重矩阵(PWM s)的程序Promoter C lassifier进行。本文预测... 本文采用基于支持向量机(SVM s)的方法预测了4类含有核心启动子元件的启动子和含有CCAAT-box的启动子。4类核心启动子元件分别是DPE,BRE,TATA-box和Inr。特征提取采用基于位点权重矩阵(PWM s)的程序Promoter C lassifier进行。本文预测结果的敏感度,确定度,以及相关系数均高于三种启动子预测方法(PromoterInspec-tor(PI),Promoter 2.0 Pred iction(PP)和Neural Network Promoter Pred iction(NNPP),使敏感度和确定度同时高于0.84,其中TATA-box预测结果可使敏感度和确定度同时高于0.95。 展开更多
关键词 人类核心启动子 支持向量机(SVMs) 位点矩阵(pwms) 预测 识别
在线阅读 下载PDF
基于支持向量机(SVMs)的核心启动子识别方法
4
作者 徐文韬 叶子弘 俞晓平 《安徽农学通报》 2006年第13期71-74,200,共5页
本文介绍了TATA-box和GC-box等4类常见的核心启动子元件,并提出了结合位点权重矩阵的基于支持向量机的核心启动子识别方法。正确识别核心启动子的一个决定因素是找到一个最优的判别函数使得测试样本尽可能被正确分类,本文从测试样本的... 本文介绍了TATA-box和GC-box等4类常见的核心启动子元件,并提出了结合位点权重矩阵的基于支持向量机的核心启动子识别方法。正确识别核心启动子的一个决定因素是找到一个最优的判别函数使得测试样本尽可能被正确分类,本文从测试样本的线性分类和非线性分类两个方面阐述了分类过程。核函数的选择是基于SVM的核心启动子识别的关键问题之一。核函数的形式及其参数的确定决定了分类器的复杂程度。实际应用时,可根据需要构建适当的核。 展开更多
关键词 支持向量机 位点矩阵 核心启动子 识别
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部