廣州市天河區黃埔大道中124號2705室
電話：020-29031124
手機：18102256923
Email：servers@gzscbio.com
Fax：020-85625352
QQ：2913120624
轉錄調控是分子生物學中的一個基本問題,而確定轉錄因子與靶基因間的調控關系以及轉錄因子在靶基因上的結合位點是理解轉錄調控機制的核心問題。
圖1 真核生物轉錄調控原理
轉錄因子結合位點（Transcription factor binding site，TFBS）是與轉錄因子結合的DNA片斷，長度通常在5~20 bp范圍內，它們與轉錄因子相互作用調控基因的轉錄過程。確定 TFBS 是理解轉錄調控機制 , 建立轉錄調控網絡的關鍵問題。
一個轉錄因子往往同時調控若干個基因，而它在不同基因上的結合位點具有一定的保守性，又不完全相同。較短的DNA片段在規模較大基因組中重復出現的次數很多，另外TFBS又允許一定的可變性,這給識別TFBS的工作帶來了困難，使得預測TFBS的算法普遍存在假陽性率偏高的問題。
結合位點序列目前主要有3類描述模型：1）串模型：最常用的是共有序列模型2）位置頻率矩陣：是一種用統計學方法對轉錄因子與DNA的相互作用進行建模的方法。3）使用信息論中熵的知識,用圖形方式來形象、直觀的表示結合位點。
圖2 轉錄因子結合位點的表示
在UCSC Genenome Browser數據庫里面Regulation調控卡ENCODE TBBS里面有1000多套轉錄因子的數據?；究梢詽M足醫學科研的需求。
基因轉錄調控是一個非常復雜的網絡體系,在in vitro和in vivo的實驗可能有不同的結果,而生物細胞生理狀態以及環境因素的不同也可能導致不同的實驗結果。只有通過各種數據的融合和相互校正,才能挖掘出可靠的轉錄調控關系和TFBS。比如說,將基因表達數據和序列數據進行融合分析,既保證TF與該基因的調控序列有相互結合,又保證該TF對該基因的表達有影響,從而能夠確信二者之間的調控關系。有效的利用生物信息學工具分析實驗結果,從而產生出可以驗證的生物學假設,會使TFBS的預測及鑒定更加準確和高效。
傳統上,TFBS識別方法主要可分為兩大類:一類是基于字串的方法。這種方法主要是通過對多聯核普酸短序列的計數和頻率的統計來識別,其中最常用的方法是共有序列模型(ConsensuSModel)。第二類是基于概率序列模型的方法,如期望最大化(ExpeetationMaximization,EM)和吉布斯采樣(Gibbssampling)等方法。隨著實驗方法的改進,尤其是高通量實驗方法的出現,近兩年出現了一些針對CHIP一CHIP以及CHIP一SEQ實驗數據的處理方法。微陣列試驗方法成為使用廣泛,技術相對成熟的一種TFBS識別方法。
TFBS的生物信息學領域有以下幾個方面可以進行深入研究：
（1）根據已知的TFBS模型，在基因組中預測TFBS的各種算法普遍存在假陽性率偏高的問題，降低預測中的假陽性是今后研究的重要目標。引起假陽性的一個主要原因是，基因組中存在很多與TFBS序列相同但沒有轉錄因子結合功能的短串。隨著人們對轉錄調控過程的了解的深入，可以考慮增加新的信息，比如將染色體結構信息，即核小體在基因組中的分布情況，或TFBS與轉錄起始位點之間距離的分布特征，以此作為先驗信息，提高TFBS預測的準確率。另外， 轉錄調控通常需要多個轉錄因子的合作，它們的TFBS之間距離較近，組成相應的“順式調控模塊”（Cis-Regulatory Module，CRM），有CRM的區域比只有單個TFBS的區域更有可能是真正的轉錄調控區域。因此，預測CRM從而推斷TFBS的分布，也能大大提高TFBS預測的準確率。
（2）目前的TFBS研究多為從DNA中提取信息、構造模型、設計算法，而忽略了轉錄因子本身能提供的信息，可以嘗試將具有相同DNA結合域的轉錄因子家族作為一個整體進行研究。
（3）目前已有一些工作考慮轉錄因子與TFBS結合能的高低對下游基因轉錄的mRNA表達量的定量關系，而目前對TFBS模型的評介標準主要是“能否準確判別某DNA序列是否為TFBS”，對于模型能否準確描述轉錄因子與TFBS結合強度的定量關系缺乏評價，此類定量模型也有待開發。近年來，一些研究發現TFBS的丟失和獲得在轉錄調控網絡的進化中起重要作用，TFBS在調控網絡進化中的作用機制還有待進一步揭示。我們相信實驗技術的進步以及對轉錄調控機制的深入理解必將為TFBS的生物信息學研究注入新的生命力， 生物信息學與實驗相互結合相互促進，人們對轉錄調控的認識將更加系統深入。