DNA Shape Features Improve Transcription Factor Binding Site Predictions In Vivo.
DNA Shape Features Improve Transcription Factor Binding Site Predictions In Vivo.
复制标题
DOI：
10.1016/j.cels.2016.07.001
复制
发表时间：
2016-09-28
期刊：
影响因子：
9.3
通讯作者：
Wasserman WW
中科院分区：
文献类型：
--
作者：
Mathelier A;Xin B;Chiu TP;Yang L;Rohs R;Wasserman WW
转录因子与DNA的相互作用包括碱基特异性氨基酸接触和DNA结构读出之间的复杂相互作用。最近的研究强调了DNA序列和形状在体外模拟TF结合中的互补性。在这里，我们对体内数据集进行了全面的评估，以评估通过增加具有DNA形状特征（螺旋扭曲、小槽宽度、螺旋桨扭曲和滚动）的各种基于DNA序列的TF结合位点（TFBSs）模型所获得的预测能力。来自76个tf的400个人类ChIP-seq数据集的结果表明，将DNA形状特征与位置特定评分矩阵（PSSM）评分相结合可以提高TFBS的预测。使用TF灵活模型和使用核苷酸二进制编码代替pssm的机器学习方法也观察到改进。结合DNA形状信息对E2F和mads结构域TF家族最为有利。我们的研究结果表明，结合DNA序列和形状信息有利于在复杂的体内条件下建立TF结合的模型。
Interactions of transcription factors (TFs) with DNA comprise a complex interplay between base-specific amino acid contacts and readout of DNA structure. Recent studies highlighted the complementarity of DNA sequence and shape in modeling TF binding in vitro. Here, we provide a comprehensive evaluation of in vivo datasets to assess the predictive power obtained by augmenting various DNA sequence-based models of TF binding sites (TFBSs) with DNA shape features (helix twist, minor groove width, propeller twist, and roll). Results from 400 human ChIP-seq datasets for 76 TFs show that combining DNA shape features with position specific scoring matrix (PSSM) scores improves TFBS predictions. Improvement was also observed using TF flexible models and a machine-learning approach using a binary encoding of nucleotides in lieu of PSSMs. Incorporating DNA shape information is most beneficial for E2F and MADS-domain TF families. Our findings indicate that incorporating DNA sequence and shape information benefits the modeling of TF binding under complex in vivo conditions.
登录
查看更多内容
影响因子：
12.3
作者：
Worsley Hunt R;Wasserman WW
通讯作者：
Wasserman WW
DOI：
10.1126/science.1162327
发表时间：
2009-06-26
期刊：
Science (New York, N.Y.)
影响因子：
--
作者：
Badis G;Berger MF;Philippakis AA;Talukder S;Gehrke AR;Jaeger SA;Chan ET;Metzler G;Vedenko A;Chen X;Kuznetsov H;Wang CF;Coburn D;Newburger DE;Morris Q;Hughes TR;Bulyk ML
通讯作者：
Bulyk ML
Biopython：用于计算分子生物学和生物信息学的免费 Python 工具。
DOI：
10.1093/bioinformatics/btp163
发表时间：
2009-06-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Cock PJ;Antao T;Chang JT;Chapman BA;Cox CJ;Dalke A;Friedberg I;Hamelryck T;Kauff F;Wilczynski B;de Hoon MJ
通讯作者：
de Hoon MJ
影响因子：
4.4
作者：
Worsley Hunt R;Mathelier A;Del Peso L;Wasserman WW
通讯作者：
Wasserman WW
影响因子：
46.9
作者：
Berger, Michael F.;Philippakis, Anthony A.;Bulyk, Martha L.
通讯作者：
Bulyk, Martha L.