DeeperBind：增强DNA结合蛋白序列特异性预测
计算机视觉与模式识别
2016-11-18 v1
摘要
转录因子（TFs）是结合到 DNA 启动子的 \textit{cis}-调控特定子区域并启动转录的大分子。寻找这些结合位点（又称基序）的精确位置在药物设计与开发等多个领域十分重要。为满足该需求，迄今已开发若干 \textit{in vivo} 与 \textit{in vitro} 技术，试图刻画并预测蛋白质与不同 DNA 位点结合的特异性。这些技术的主要问题在于其对结合亲和力的预测以及相应基序的刻画不够准确。因此，需要下游分析来揭示目标蛋白质结合的位置。在此，我们提出 DeeperBind，一种用于预测蛋白质针对 DNA 探针结合特异性的长短期循环卷积网络。DeeperBind 能够建模探针序列的位置动态，从而以有效方式考量 DNA 序列中各个子区域所做的贡献。此外，它可以在包含变长序列的数据集上训练和测试。我们将我们的流程应用于源自蛋白质结合微阵列（PBMs）的数据集，PBMs 是一种用于量化蛋白质-DNA 结合偏好的体外高通量技术，并展示了有前景的结果。据我们所知，这是最精确的流程，能够通过利用深度学习在特征生成与位置动态建模上的能力，从高通量技术产生的数据中预测 DNA 序列的结合特异性。
引用
@article{arxiv.1611.05777,
title = {DeeperBind: Enhancing Prediction of Sequence Specificities of DNA Binding Proteins},
author = {Hamid Reza Hassanzadeh and May D. Wang},
journal= {arXiv preprint arXiv:1611.05777},
year = {2016}
}
备注
in 2016 IEEE International Conference on Bioinformatics and Biomedicine (BIBM)