转录调控是基因表达调控过程中的重要环节,对于转录因子的结合位点的识别是解码转录调控的中心课题之一,并且是理解基因转录调控机理中极其重要的一步。相关研究表明,转录因子结合位点的各个碱基之间并不是孤立的,它们之间存在着亲和性,但是要从海量的碱基对中精确地识别出转录因子的结合亲和性面临着非常严峻的考验。为了解决这一难题,本论文的主要工作如下:1.结合高通量的ChIP-Seq技术,给出一种基于Logistic回归的转录因子结合亲和性预测模型。该模型选取包含A,T,C,G且长度为5-mer的所有子序列与DNA序列进行比对,计算出子序列在DNA序列中出现的次数,构造出一个可准确捕捉转录因子结合亲和性的亲和性矩阵。再用此亲和性矩阵构造出Logistic回归模型,利用稳定性选择算法优化模型选择。同基于PWM和PSSM建立的模型相比较,该模型可以提高转录因子结合亲和性的预测准确率。2.在现有的多元线性回归模型的基础上,通过改进并得到新的基于PBM的多元线性回归模型。该模型选取长度为3-8碱基的子序列与PBM中的DNA探针序列进行比对,统计子序列是否出现在DNA探针序列中,获得一个新的亲和性矩阵,以此建立新的多元线性回归模型。再用SLEP对其进行优化选择,提高了模型的预测准确率。同已有多元线性回归模型相比,新的基于PBM的多元线性回归模型对于转录因子结合亲和性的预测能力是非常具有竞争力的。