30、细菌操纵子结构预测与蛋白质功能区域发现的研究进展

细菌操纵子结构预测与蛋白质功能区域发现的研究进展

一、芽孢杆菌操纵子结构预测

1.1 实验背景与数据来源

在实验验证操纵子边界时，将非操纵子基因对误分类为操纵子基因对的代价较高。因此，即便后验概率略低于 50%，我们也可将基因对暂归为操纵子对。我们结合基因间距离以及 99 个基因破坏实验和 75 个时间进程表达测量中的基因表达相似性，来预测枯草芽孢杆菌（Bacillus subtilis）的操纵子结构。从 635 个已知操纵子列表中，我们找出了 582 个操纵子对和 91 个非操纵子对。

1.2 操纵子结构预测因子

1.2.1 操纵子长度

操纵子长度的分布可通过几何分布来描述，公式为 (Pr [operon contains n genes] = p^{n - 1} (1 - p )) ，这里将操纵子视为具有概率 (p) 的伯努利过程产生的结果。从表 1 可知平均操纵子长度 (\bar{n}=2.39) ，由此可计算出先验概率 (p = 0.581) 。需要注意的是，除单基因操纵子外，已知操纵子都会对已知操纵子对集合有贡献，而非操纵子对只有在相邻两个操纵子都已知时才能被发现。若直接从已知操纵子对和非操纵子对的数量来估计 (p) ，会导致严重的偏差估计。
|基因数量/操纵子|数量|
| ---- | ---- |
|70|4|
|13, 14, 15|35|
|9|5|
|16|31|
|10|2|
|31| - |

1.2.2 基因间距离

利用已知操纵子对和非操纵子对列表，基于 Epanechnikov 核