以深度學習預測跨物種基因轉錄起始點位

Abstract

基因轉錄的研究有廣泛的生物學意義，是發生 在 遺傳學和分子遺傳學的重要研究領域。 基因調控結果，造就了 不同 組織或不同類型細胞 之間的差異，也可以說是 生物體內控制基因表達的機制 。 基因調控可分為很多部分，其中 轉錄 起始點位(Transcription Start Site 簡稱 TSS)便是基因進行轉錄的 起始點，其後方便開始 基因轉錄的 表現 本論文透過深度學習架構， 評估其應用於預測 基因 轉錄 起始點位 之可行性 ，並且嘗試做出跨物種的基因轉錄起始點位預測模型，調整適合的參數並且增進其預測精準度，嘗試建立一套可用於跨物種預測的工具 。 本 論文使用 NCBI所提供的 資料庫資料進行分析，且挑選 數種不同的物種取出其轉錄起始點位序列片段將其組合 進行預測， 透過 NCBI上的 GFF檔案，加上 FASTA檔案所提供的序列，我們可以 知道轉錄 起始點位在各物種 DNA片段上的位置，並且將資料處理過後建立多套深度學習之 卷積神經網路 (CNN)的預測 模型， 試圖 評估在不同物種的DNA序列上 預測出轉錄起始點位 的準確度 。 此工具的開發能有助於未來再發現到新物種的時候能夠對其基因所在的位置快速做預測，提供初步的評估考量，而非每次總需要 重新訓練出一套神經網路 ，省下許多重新評估的時間。 未來能透過本論文所建立的神經網路模型進行轉錄起始點位預測，省下大量的時間和金錢在不必要的地方上，而作為未來相關生物資訊對於轉錄相關研究造成影響的基礎。

The studies of gene transcription are very important science they are meaningful to a creature. The regulations of the genes make the cells and the tissues unique and different. There are many parts in gene regulation. One of them is Transcription Start Site(TSS). The subsequences after TSS play roles in transcription. In this study, we try to use convolution neural network to make a model to predict cross-species TSS, and then evaluate the performance of the model. We try to improve the performance and make it a useful tool.In this study, we use the database from NCBI. We pick up some species’ gene sequences as our data. We could know the sequence which content TSS through the GFF files and the FASTA files on the NCBI website. After the data processing, we built many deep learning models and evaluated the performance on different species’ TSS. The development of the tool would help to identify the gene location after finding a new species in the future, giving a suggestion of possible locations of TSSs, so people don’t have to train a new model for a specific species which waste a lot of time. This would give a positive effect on the researches of biology.