基因剪切位点的统计分析研究

摘要

真核生物的基因由若干外显子和内含子交替组成,外显子序列在转录后保留,而内含子序列转录过程中被剪切掉。大量分子生物学实验验证基因的剪切位点遵从GT-AG规则,然而只有很少的含GT或AG序列是真剪切位点,目前预测的准确程度仍有待提高。本研究下载了HS3D剪切位点训练数据集,对启动子剪切位点附近的序列进行了统计分析研究。当真、假序列长度在剪切位点左旁和右旁均超出各七个位点时,序列呈现很高的特异性,可以使用这些特异性序列作为特征进行训练,从而准确地识别真假剪切位点。