论文部分内容阅读
生物信息学的发展提出了很多计算问题，通过计算方法预测基因的转录调控模体是其中之一。模体（motif）是一组短片段，通常只有8-12个字符的长度。因为具有生物功能，所以相对于生物序列的其他部分不易改变。它具有序列保守性，可以在序列上识别。依据所研究的生物序列不同，模体可分为DNA模体，蛋白质模体和结构模体，本文工作主要是研究载有基因转录调控功能的DNA模体。它可以帮助生命科学研究者了解基因转录的调控机制，为药物和生物工程等多个领域做出贡献，为计算科学的研究者提供了研究热点。传统的转录模体预测问题是多序列比对的NP复杂问题，之前的预测算法大都基于启发式学习方法，实际运用的假阳性率较高。很多生物信息工具需要较低假阳性率，才能在生物研究中被有效使用。实验组之前开发的BoBro模体识别算法[46]可以有效解决这一问题，它通过模体信号之间的相互支持，在数据处理内部降低其他“噪音”影响的同时保证了预测的识别率。目前主流的模体识别算法（如meme[39]）都实现了在线服务。为了推广该方法，本人的研究工作就是以此算法为基础，通过增加结果分析功能，在高性能集群上设计实现了web服务平台DMINDA（http://csbl.bmb.uga.edu/DMINDA/）。DMINDA的主要贡献在于：（1）对于给定查找到的一组调控序列和相应的对照序列，可以计算得到统计打分以及对应的统计显著p-value；（2）除了实现BoBro算法[46]对模体的预测，还对预测结果的进一步分析提供了模体扫描、比较、共作用分析等功能；（3）服务还实现了同DOOR原核生物操纵子数据库的链接，利用操纵子信息提取调控序列，结合生物系统发生关系准备数据。设计DMINDA系统除了具有实际软件开发能力，还需要了解相关研究的领域的知识，才能了解用户的切实需求。生物信息学研究领域开发了很多工具没有充分发挥其应有价值，结合实际需要利用web开发技术制作出有实用意义的在线服务，可以推广这些方法。科学研究成果通过web技术向广大科研使用者推广是计算机应用领域的重要研究方向，有人将之称为科学2.0。DMINDA在实验组之前工作的基础上，增加了后续分析工作的研究工具，通过对核心算法的重编程和再组织，实现了在150节点高性能计算集群的部署。利用DataTables等Jquery工具，设计了界面友好的操作页面。以该平台为基础，继续开发了基于生物系统发生关系的MP3模体预测算法和在全基因组预测调控子的方法，目前正在投稿。利用web服务推广科研成果，可以提高论文发表层次，增加论文的引用次数，它可以成为一系列后续研究的平台。本文回顾了模体的预测及其相关研究，介绍了DMINDA系统的设计、开发与运行。