从基因组间非编码相似区域中我们能学到什么？

背景：除了已知的蛋白质编码基因外，人类和小鼠基因组之间还有大量明显为非编码的序列是保守的。假设这些保守区域比基因组中保守性较低的部分更可能包含功能元件似乎是合理的。在此，我们使用一种基于基序的机器学习方法，从一组非编码保守序列中提取最强信号。结果：我们成功拟合了模型以反映非编码序列，并表明重复训练运行的结果具有高度一致性。使用学习到的模型扫描基因组序列，我们发现它经常在注释基因的起始位置附近做出预测。我们将该方法与其他已发表的启动子预测系统进行比较，表明该方法检测到的启动子集合与现有方法检测到的集合大体相似。结论：本文呈现的结果表明，启动子信号是基因组非编码功能区段中最强的单一基于基序的信号。它们也支持了这样一种观点，即存在相当一部分共享共同特征并可被多种计算方法检测到的启动子区域。