[发明专利]应用于组织样本中染色体上转录因子结合位点的检测方法

摘要

本发明涉及应用于组织样本中染色体上转录因子结合位点的检测方法，包括数据预处理、分割DNA短序列、均值检测和概率检测。与己有的检测算法相比，提高了ChIP‑seq数据的转录因子结合位点识别算法的性能，算法消耗的时间更少，并能准确的识别已有的和新的转录因子结合位点，为转录因子的研究提供了新的技术手段和重要工具。

主权项

1.应用于组织样本中染色体上转录因子结合位点的检测方法，其特征在于，包括以下步骤：步骤一：数据预处理：首先，读取样本的ChIP-seq数据，并将其比对到参考基因组上，寻找出转录因子结合位点富集的特征峰和峰顶点的位置信息；然后，以所述峰顶点为中心分别向左右两侧延展500bp，延伸后的数据中，每一个DNA序列的中心均为所述峰顶点；最后，将所述DNA序列提取出来并去掉其中重复的序列得到DNA短序列；步骤二：分割DNA短序列：将所述DNA短序列中前N-4个碱基分别依次作为头碱基，将所述头碱基及其之后连续的四个碱基划分为一个子序列，并将所述头碱基在所述DNA短序列的次序作为所述子序列的编号，所述子序列的编号为正整数；所述N是所述DNA短序列中的碱基数量，所述N为正整数；所述子序列中包括五个碱基，所述头碱基是所述子序列中的第一个碱基，所述DNA短序列可以划分出N-4个所述子序列；步骤三：均值检测：分别对四种碱基计算当前碱基均值，所述四种碱基包括A(腺嘌呤)、T(胸腺嘧啶)、C(胞嘧啶)、G(鸟嘌呤)：(1)正在计算的碱基为当前碱基，按照所述子序列的编号，依次统计当前碱基在所述子序列中出现的次数得到均值向量(y1,y2,…,yN-4)，其中，y是所述当前碱基在所述子序列中出现的次数，y1是所述当前碱基在编号为1的子序列中出现的次数，y2是所述当前碱基在编号为2的子序列中出现的次数，yN-4是所述当前碱基在编号为N-4的子序列中出现的次数；(2)统计出所述均值向量中取值大于3的元素的个数即为当前碱基均值；对所述四种碱基计算出的所述当前碱基均值进行均值检测：如果四个所述当前碱基均值都在0.8N～1.2N的范围内，则进行步骤四；否则检测结束，所述DNA短序列不是转录因子结合位点；步骤四：概率检测：分别对四种所述碱基计算当前碱基概率，用公式一计算：公式一：其中，G是所述当前碱基概率，为0～1之间的实数，没有单位；σ、μ是方差因子和均值因子，为0～5之间的实数，由检测人员根据经验值确定；i是所述子序列的编号，yi是所述当前碱基在编号为i的子序列中出现的次数；对所述四种碱基计算出的所述当前碱基概率进行概率检测：如果四个所述当前碱基概率取值均小于0.7，则所述DNA短序列不是所述转录因子结合位点；否则，所述DNA短序列是所述转录因子结合位点。