[發明專利]一種濾除DNase高通量測序數據中DNA堿基傾向性偏差的方法

在審

• 申請號: 201610865814.0
• 申請日: 2016-09-29
• 公開（公告）號: CN106650313A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 馮偉興;賀波;宋艷霞;徐斯文;趙森;陳多嬌;劉歡
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06F19/22
• 分類號: G06F19/22;C12Q1/68
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種濾除DNase高通量測序數據中DNA堿基傾向性偏差的方法，其特征在于，包括如下步驟：

(1)DNase-Seq實驗數據酶切位點區域DNA堿基獲取

依據DNase-Seq實驗數據在基因組中的位置，提取每一個實驗數據對應酶切位點附近區域的DNA堿基；選用酶切位點附近6個位點的堿基，即以酶切位點為中心，左右各取3個堿基；

(2)DNase-Seq實驗數據DNA堿基傾向性獲取

選用酶切位點附近6個位點的堿基，每個堿基有A、C、G、T，4種取值，則6個位點堿基共有4096種堿基組合；通過統計整個DNase-Seq實驗數據酶切位點處這4096種堿基組合出現的頻次，即可獲得DNase-Seq實驗數據的DNA堿基傾向性；

(3)DNA堿基傾向性去除

設有m個蛋白結合位點，每個結合位點包含n個堿基，則：第i個結合位點的DNase檢測信號為：[S_i1,S_i2,…,S_in]；其值和為：

考慮DNase的DNA堿基傾向性，則第i個結合位點第j列的DNase檢測信號為：S_ij＝[(1-w)P_ij+wB_ij]R_i；其中，P_ij為第i個結合位點第j列處與DNA結合蛋白的蛋白結構相對應的DNase的固有切割概率，B_ij為第i個結合位點第j列處與該處DNA堿基傾向性相對應的DNase的切割概率；P_ij是穩定的，可用于DNA蛋白結合位點識別，而B_ij是不穩定的，應予以濾除；

具體濾除方法如下：

其中，S_ij,R_i可從實驗數據中直接得到；B_ij則根據前一步驟獲取的DNase-Seq實驗數據的DNA堿基傾向性得到；w為權值，取值范圍為[0,1]之間，需要進一步確定；

對于m個蛋白結合位點，當權值w取不同值時，會得到不同的[P_i1,P_i2,…,P_in]，1≤i≤m；設則當m個[P_i1,P_i2,…,P_in]與[P₁,P₂,…,P_n]之間的m個相關性值的中位值最大時，此時的w值為最優值。