一種尋找活性LINE-1的新方法.pdf

1、Long interspersed nuclear elements(LINE-1 or L1)目前存在于人類基因組中最活躍的一種逆轉座子，也是許多動物基因組中最成功的逆轉座子。通過統(tǒng)計分析發(fā)現(xiàn)，人類基因組中大約存在百分之十七點五的序列由L1或其突變過后的部分序列構成，超過6700個L1元件的拷貝分布在人類基因組的各條染色體中。盡管拷貝數(shù)量大，但大部分L1元件在和完整的L1序列對比之后發(fā)現(xiàn)存在各種各樣的突變和序列截斷，這些不完整的L1序

2、列往往缺失了轉座過程所需的某些特定功能，直接導致這些突變體并不能獨自的完成整個L1的轉座過程。不過近年來不斷有L1相關細胞培養(yǎng)實驗表明可能存在一些具有活性的L1元件存在于人類基因組中，其中有一些還被證明具有很高的轉座活性。在這些實驗中，有的研究者克隆了人類基因組中一批具有高度完整性和可能具有活性的L1序列，并通過細胞實驗觀察這些挑選出來序列的轉座率。和已知具有很高活性的L1轉座子相比較，最終發(fā)現(xiàn)人類基因組中部分L1序列確實具有轉座活性，

3、并以此推測人類基因組序列中大約存在80～100條仍具有轉座活性的L1序列。眾所周知，L1作為一種仍能獨自完成轉座過程的轉座子，其轉座的現(xiàn)象嚴重的影響人類基因組的穩(wěn)定性，且L1轉座的發(fā)生往往會導致相應的疾病。由此可見，有活性L1序列的注釋應該引起我們的高度關注。通過突變L1序列的某些位點來分析L1序列活性，是目前唯一的驗證方法，這種方法也發(fā)現(xiàn)了很多突變位點會導致L1序列的失去或減弱轉座活性。盡管如此，這種突變實驗方法無形中增加了研究L1序

4、列活性的門檻，讓很多生物信息學研究者望而卻步。因此，現(xiàn)在迫切的需要一種能夠可靠的和易操作的方法來分析L1序列的活性。
　　本文引入了一種基于支持向量機（SVM）、結合特征化的DNA序列的策略，旨在構造一個數(shù)學模型來深入的分析未知L1序列的活性。不同于其他方法，這里以核酸的種類、基團類型和氫鍵類型作為分類依據，用三條特征序列來唯一標識一條L1序列。蛋白質序列的描述符生成方法global protein sequence descri