基于语义特征向量的DNA与转录因子结合特异性预测

摘要

基因表达的生物系统受到DNA和转录因子(Transcription Factor,TF)相互作用的调控,但是对于DNA和TF的结合机制,人们仍然不够了解。为此,提出一个结合深度学习和SVC的模型预测TF与DNA序列结合特异性,并将这一方法命名为semanticSVC。在ENCODE项目中的多个TF实验数据集的集合上进行深度学习模型训练,从而挖掘出跨越多个TF的全局语义特征。基于这些语义特征通过浅层学习模型SVC快速对目标任务构建预测模型,进行预测结果的可视化分析。与现有方法相比,该方法在预测结合特异性方面取得了更优的性能。