کشف رابطه‌ی میان تنظیم بیان ژن‌ها و تغییرات هیستون استیلاسیون با استفاده از شبکه عصبی

استیلاسیون پروتئین‌های هیستونی یکی از مهم‌ترین فرآیندهای اپی‌ژنتیکی است که به منظور تنظیم بیان ژن‌ها رخ می‌دهد. کروماتین به واسطه‌ی اتصال گروه استیل به دنباله‌ی هیستونی نوکلئوزوم‌هایش، رشته‌ی dna را در دسترس فاکتورهای رونویسی و دیگر پروتئین‌های تنظیم‌کننده‌ی بیان ژن قرار می‌دهد. مطالعات نشان داده که نوع استیلاسیون نوکلئوزوم‌ها می‌تواند در شناسایی جایگاه پیوند فاکتورهای رونویسی یک سیگنال مهم باشد.در این تحقیق هدف یافتن یک روش محاسباتی برای پیشگویی جایگاه فاکتورهای رونویسی براساس الگوی نوع پراکندگی 18 هیستون استلاسیون است. در این راستا، الگوی پراکندگی 18 هیستون استیلاسیون در سلول cd4+ t انسان که اطراف فاکتور رونویسی sp1 قرار گرفته‌اند را تحلیل کردیم. نتایج نشان داد که از 18 هیستون استیلاسیون 12 نوع از آنها در شناسایی جایگاه فاکتور رونویسی sp1 موثرند. سپس به وسیله‌ی تکنیک یادگیری با نظارت، یک شبکه‌ی چند لایه‌ی پرسپترون را براساس جایگاه‌های پیوند فاکتور رونویسی sp1 (استخراج شده از کروموزوم 1 انسانی ) و الگوی پراکندگی 12 هیستون در اطراف آن ها، آموزش دادیم. در نهایت از این شبکه برای پیشگویی 12 فاکتور رونویسی دیگر در کروموزوم‌های 1 و 2 و sp1 بر روی کروموزوم 2 انسانی استفاده نمودیم.

Transcription Factor Binding Sites Prediction Based on Histone Acetylations using Neural Networks

Histone acetylation is one of the most important epigenetic processes that regulate gene expression. In other words, chromatin exposes DNA to transcription factors and gene regulators by histone tail acetylation in nucleosomes. There are some studies to show the relation between gene regulation and histone acetylation.In this paper, our main goal is to propose a computational method for transcription factor binding site prediction based on a pattern of 18 types of histone acetylations. In this regard, we analyze 18 types of histone acetylations near SP1 binding sites on Chromosome 1 in human CD4+T cells. The results show that 12 out of 18 marks are strongly correlated with transcription factor binding sites. Then, we implement a multilayer perceptron neural network with supervised training. This network is trained using binding sites of various transcription factors of SP1 in chromosome 1 and 18 types of histone acetylations near them. Finally, this network is applied for predicting binding sites of various transcription factors on chromosomes 1 and 2.