转录因子通过机器学习集成进行DNA结合
摘要：结合机器学习（ML）框架中的五种已知的模体/结合位探索算法的预测，我们提出了集成方法。对于给定的转录因子（TF），集成从组成算法收集的模体的位置权重矩阵（PWM）。通过使用降维技术，我们识别出用于分析的基于PWM的重要子空间。在每个子空间中，建立一个机器分类器来识别TF的基因（启动子）靶点（问题1）。这些基于PWM的子空间形成了一个基于ML的序列分析工具。通过汇集在识别基因靶点方面有显著优势的基于k-mer（字符串）特征PWM的子空间，我们解决了问题2（查找结合模体）。我们采用一种新颖的机器学习方法来处理问题3（结合位），该方法使用了启动子字符串特征和ML重要性评分，通过分类算法在基因组中定位结合位。对于目标基因的识别，这种方法在F1分数上的性能提高了约10个百分点，超过了（a）模体扫描方法和（b）共表达关联方法。最佳模体的性能优于5个组成算法以及其他两个常用算法（BEST和DEME）。在基准物种数据库（Tompa et al。，2005）上识别个体结合位时，我们基本上能够做到最好的表现而不需要人工干预。它还提高了对哺乳动物转录因子的性能。 该集成方法可以将不同的弱学习器（可能使用完全不同类型的特征）的正交信息整合到一个机器学习器中，以便为更多的转录因子提供始终更好的性能。TF基因靶点识别组件（问题1）在从已知的TF-靶点关联中构建转录调控网络方面非常有用。该集成方法很容易扩展，可以包括更多的工具以及未来基于PWM的信息。
作者：Yue Fan, Mark Kon and Charles DeLisi
论文ID：1805.03771
分类：Genomics
分类简称：q-bio.GN
提交时间：2018-05-11