Компьютерные методы массового анализа регуляции транскрипции в бактериях

• Автор: Ставровская, Елена Дмитриевна
• Шифр специальности: 03.00.28
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Москва
• Количество страниц: 98 с. : ил.

Введение.

Актуальность темы

Цели и задачи работы

Методика исследования

Научная новизна и практическая ценность

Основные результаты

Апробация работы.б

Публикации.

Структу ра и объем работы

Глава 1 Обзор литературы

1.1 Механизм транскрипции в бактериях

1.2 Транскрипционные факторы
1.3 Экспериментальные методы нахождения ССТФ
1.4 Поиск сайтов связывания транскрипционных факторов i ii.
1.4.1 Описании мотива и оценки его качества.
1.4.2 Матрица позиционных весов.
1.4.2.1 Статистическое описание.
1.4.3 Магическое слово .
1.4.4 Различные типы алгоритмов для выделения мотивов.
1.4.5 Основные алгоритмы выделения мотивов
1.4.6 Алгоритмы поиска мотивов, которые применялись в данной работе.
1.5 Генетические алгоритмы
1.6 Кластеризация регуляторных мотивов
1.6.1 Алгоритмы кластеризации и их классификации
1.6.2 Основные алгоритмы кластеризации
1.6.3 Некоторые известные алгоритмы кластеризации регуляторных мотивов
Глава 2 Два генетических алгоритма поиска регуляторных мотивов.
2.1 Постановка задачи.
2.2 Описание алгоритмов.
2.3 Общий алгоритм
2.4 Реализация алгоритмов.
2.5 Методика тестирования.
2.6 Результаты и обсуждение.
Глава 3 Оценка статистической значимости экспериментально найденного дополнительного элемента базального промотора в геноме .i
3.1 Краткое описание эксперимента.
3.2 Анализ промоторных областей в геноме .i.
Глава 4 Кластеризация регуляторных мотивов.
4.1 Постановка задачи.
4.2 Построение дерева.
4.3 Расстояние между поддеревьями.
4.4 Обход дерева
4.5 Выделение статистически значимых позиций
4.6 Уточнения алгоритма.
4.7 Устранение ложных сайтов
4.8 Реализация алгоритма
4.9 Результаты и обсуждение.
4.9.1 Искусственная выборка.
4.9.2 Природные выборки.
Глава 5 Автоматический поиск регуляторных мотивов перед генами в рамках функциональных подсистем.
5.1 Описание программного конвеера.
5.2 Перепредсказания.
5.2.1 Области низкой сложности.
5.2.2 Накапливание асимметрии
5.2.3 Сравнение подходов.
5.3 Тестирование на подсистемах для группы геномов альфапротсобактсрий
5.4 Работа с конвсером.
Список работ, опубликованных по теме диссертации.
Список литературы


В настоящее время, пожалуй, ни одна из естественных наук не обходится без применения компьютерных методов. Они позволяют моделирован, природные процессы и системы, предсказывать их поведение, хранить и обрабатывать большие объемы данных. Биология не является исключением. Болес того, на стыке биологии и компьютерных наук появилось новое самостоятельное научное направление биоинформатика, которая использует компьютерные методы для решения биологических задач. По мере развития экспериментальных методов секвснирование геномов становится вес болсс быстрым и дешевым процессом. Б связи с этим мы получаем все больше геномных последовательностей, которые нуждаются в содержательном описании. Ясно, что экспериментаторам невозможно справиться с таким растущим объемом данных, поскольку эксперимент требует больших временных и денежных затрат. С другой стороны, мы можем с помощью сравнения последовательностей близкородственных геномов предсказывать функции генов и их регуляцию по аналогии с известными геномами. И как раз здесь невозможно обойтись без компьютерных методов. Полученные предсказания можно проверить экспериментально, в этом случае уже понятно, где и что искать, что сильно облегчает работу экспериментаторам. Кроме того, с помощью компьютерных методов можно оценить значимость результатов, полученных в эксперименте. Одной из важных задач в биоииформатике является поиск сайтов связывания транскрипционных факторов. Этой задачей ученые занимаются на протяжении многих лет и существует огромное количество алгоритмов для ее решения. Основными трудностями при идентификации регуляторных мотивов являются недостаточный либо чрезмерный объем набора исходных последовательностей, слабая консервативность мотива, а также низкая доля последовательностей, содержащих сайт, в исходном наборе. При этом важно правильно выбрать параметры и оптимизируемый функционал, чтобы решить задачу максимально эффективно. Как правило, один транскрипционный фактор регулирует в геноме сразу несколько генов. Сайты связывания одного белкарегулятора похожи. Целью данной работы является разработка эффективных методов, алгоритмов и программных приложений для анализа регуляции транскрипции в геномах прокариот. Исследование возможности применения генетических алгоритмов к решению задачи поиска регуляторных мотивов в наборе областей, взятых перед ортологичными генами в фуппе близкородственных геномов бактерий. Разработка методики и создание на се основе программы для оценки статистической значимости экспериментально найденного дополнительного элемента основного промотора в геноме i. Создание быстрою и эффективного алгоритма для кластеризации регуляторных мотивов и его применение для поиска новых членов известных регулонов, а также новых регулонов. Создание программного конвера для поиска регуляторных мотивов в рамках функциональных подсистем. Создание программных приложений на языке v в среде программирования i. Тестирование эффективности алгоритмов на различных искусственных и биологических данных с последующим применением к биологическим задачам выделения регуляторных мотивов. Реализованы генетические алгоритмы с различным способом выбора параметров и целевой функции и проведено их сравнение. Построена новая мера сходства регуляторных мотивов. Алгоритм кластеризации мотивов рсашзован в виде программного приложения и применялся для поиска новых регулонов, а также новых членов известных регулонов в группах геномов гаммапротеобактерий и фирмикутов. Программное приложение встроено в конвер выделения регуляторных мотивов в рамках функциональных подсистем. I Ii iii i , , , vii, i. I i i , , , i. Ii iii i , , , vii, i. Ii iii Ii i I, , i, I.