[發(fā)明專利]應用于組織樣本中染色體上轉(zhuǎn)錄因子結(jié)合位點的檢測方法

在審

• 申請?zhí)枺?/td>: 201711464358.X
• 申請日: 2017-12-28
• 公開（公告）號: CN108052797A
• 公開（公告）日: 2018-05-18
• 發(fā)明（設(shè)計）人: 李旦
• 申請（專利權(quán)）人: 上海嘉因生物科技有限公司
• 主分類號: G06F19/20
• 分類號: G06F19/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.應用于組織樣本中染色體上轉(zhuǎn)錄因子結(jié)合位點的檢測方法，其特征在于，包括以下步驟：

步驟一：數(shù)據(jù)預處理：

首先，讀取樣本的ChIP-seq數(shù)據(jù)，并將其比對到參考基因組上，尋找出轉(zhuǎn)錄因子結(jié)合位點富集的特征峰和峰頂點的位置信息；然后，以所述峰頂點為中心分別向左右兩側(cè)延展500bp，延伸后的數(shù)據(jù)中，每一個DNA序列的中心均為所述峰頂點；最后，將所述DNA序列提取出來并去掉其中重復的序列得到DNA短序列；

步驟二：分割DNA短序列：

將所述DNA短序列中前N-4個堿基分別依次作為頭堿基，將所述頭堿基及其之后連續(xù)的四個堿基劃分為一個子序列，并將所述頭堿基在所述DNA短序列的次序作為所述子序列的編號，所述子序列的編號為正整數(shù)；所述N是所述DNA短序列中的堿基數(shù)量，所述N為正整數(shù)；所述子序列中包括五個堿基，所述頭堿基是所述子序列中的第一個堿基，所述DNA短序列可以劃分出N-4個所述子序列；

步驟三：均值檢測：

分別對四種堿基計算當前堿基均值，所述四種堿基包括A(腺嘌呤)、T(胸腺嘧啶)、C(胞嘧啶)、G(鳥嘌呤)：

(1)正在計算的堿基為當前堿基，按照所述子序列的編號，依次統(tǒng)計當前堿基在所述子序列中出現(xiàn)的次數(shù)得到均值向量(y1,y2,…,yN-4)，其中，y是所述當前堿基在所述子序列中出現(xiàn)的次數(shù)，y1是所述當前堿基在編號為1的子序列中出現(xiàn)的次數(shù)，y2是所述當前堿基在編號為2的子序列中出現(xiàn)的次數(shù)，yN-4是所述當前堿基在編號為N-4的子序列中出現(xiàn)的次數(shù)；

(2)統(tǒng)計出所述均值向量中取值大于3的元素的個數(shù)即為當前堿基均值；

對所述四種堿基計算出的所述當前堿基均值進行均值檢測：如果四個所述當前堿基均值都在0.8N～1.2N的范圍內(nèi)，則進行步驟四；否則檢測結(jié)束，所述DNA短序列不是轉(zhuǎn)錄因子結(jié)合位點；

步驟四：概率檢測：

分別對四種所述堿基計算當前堿基概率，用公式一計算：

公式一：

其中，G是所述當前堿基概率，為0～1之間的實數(shù)，沒有單位；σ、μ是方差因子和均值因子，為0～5之間的實數(shù)，由檢測人員根據(jù)經(jīng)驗值確定；i是所述子序列的編號，yi是所述當前堿基在編號為i的子序列中出現(xiàn)的次數(shù)；

對所述四種堿基計算出的所述當前堿基概率進行概率檢測：如果四個所述當前堿基概率取值均小于0.7，則所述DNA短序列不是所述轉(zhuǎn)錄因子結(jié)合位點；否則，所述DNA短序列是所述轉(zhuǎn)錄因子結(jié)合位點。