《基於蛋白DNA相互作用的基因調控預測》是依託上海交通大學，由呂暉擔任項目負責人的面上項目。
基本介紹
- 中文名：基於蛋白DNA相互作用的基因調控預測
- 項目類別：面上項目
- 項目負責人：呂暉
- 依託單位：上海交通大學
項目摘要,結題摘要,
項目摘要
基因調控是分子生物學中非常重要的研究方向。它控制了細胞分化等絕大多數重要分子生物行為。基因調控主要包括轉錄，翻譯，和不同階段的修飾。本課題針對基因調控轉錄步驟的蛋白質與DNA結合的關鍵問題，以三維結構中分子相互作用勢為基礎，整合其他現有的轉錄因子結合位點（TFBS）預測方法，進行以下研究：建立基於蛋白質-DNA三維複合結構的相互作用勢能分析方法；建立套用三維結構的TFBS預測方法；以同源建模方式預測轉錄因子與DNA複合結構；整合其他已有方法，建立高精度而且快速的TFBS預測算法。準確預測轉錄因子結合位點能夠幫助建立轉錄因子與受控基因之間的關係，對構建基因調控網路以及研究包括遺傳發育等生命過程中的基因調控有著非常重要的意義。
結題摘要
本課題利用蛋白質三維結構數據和相關分子生物資料庫，採用三維空間劃分、相互作用統計勢能、同源建模和機器學習等方法，建立了一套可用於預測蛋白質-生物大分子相互作用、及其作用位點的生物信息學框架。獲得了以下的結果：（1）建立了以蛋白-DNA結合勢能為基礎的基因調控序列的預測方法，準確度超過同類算法。（2）設計開發出蛋白質-DNA相互作用位點的預測軟體FMotif，該軟體不但可以de novo地預測轉錄因子結合位點還可以從ChIP-enriched數據中高精度地識別出識別位點。 與同類軟體（SPELLER、MITRA和WEEDER等）相比在不犧牲預測精度的情況下顯著提高了運算速度。（3）在本課題資助下，成功地將該蛋白質-DNA結合位點預測方法推廣到蛋白質-膜相互作用中。同時創新性地在機器學習的套用中，引入“知識發現”的理念，所以在本課題中我們構建的預測模型不但獲得了高精度的預測結果，而且對預測模型的潛在分子機制進行了解釋。（4）我們將本課題資助構建的機器學習方法引入依託單位的疾病分子標誌基因的研究中，獲得了一批值得關注的成果。
