Bayesian Joint Prediction of Associated Transcription Fa

ctors 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(transcri

ption 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 f

actor( ) 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 s

equence 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\SiS/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