转录因子预测及优化策略

一、转录因子简介

定义： 转录因子（Transcription factor, TF）是指能够结合在基因上游特异核苷酸序列（Transcription factor binding site, TFBS，转录因子结合位点；也叫motif）上，并调控基因转录的一类蛋白质。

转录因子一般包含至少两种结构域：

（1）一个或多个DNA结合域（DNA-binding domain, DBD），通过DBD识别和结合DNA位点；

（2）转录效应结构域，包含其他蛋白结合位点，用于结合其他转录参与蛋白，形成复合物。

叨叨几句：

首先，一个转录因子通常可与多个TFBS结合，结合在不同的位点往往执行不同的功能：结合到一个位点时可以激活转录，结合到另一位点可能抑制转录。其次，理论上转录因子可以结合在基因的任何区域，但通常只有结合在启动子区才有生物学意义。最后，转录因子通常不会单独发挥作用，而是与其他转录因子或辅助因子形成复合物，再执行功能。

二、转录因子的预测

贴几个常用的网站：

https://www.ncbi.nlm.nih.gov/pubmed （找启动子序列用）

http://genome.ucsc.edu/ （预测转录因子用）

http://jaspar.genereg.net/ （预测转录因子用）

(1)转录因子的预测第一步：获取基因的启动子序列

在浏览器输入网址www.ncbi.nlm.nih.gov/，访问NCBI主页，选择Gene数据库，输入需要预测的基因名称，这里以PICSAR基因为例，点击“Search”按钮。

在检索结果列表里找到目标基因，点击基因名称，然后“Search”

在“Genomic context”里找到基因所在的染色体及Location

PICSAR在基因组中的位置为：Chr21:44999208-45004727，且在互补链（也叫反义链）上，即转录方向为反向（从下方图谱中的红色箭头也可看出来，转录方向是从右往左）

启动子区域计算：一般认为基因起点上游2000bp及下游100bp的序列为潜在的启动子区：由于PICSAR是反向转录，因此基因的起点位置是45004727的 上游2000bp及下游100bp的序列位置，即45004727-99至45004727+2000,等于Chr21:45004628-45006727。 如果基因的转录方向是正向，则基因的起点为左边的位置坐标，如下图ABCC1基因，转录方向是从左到右，则基因起点为15949577,潜在启动子区域为15949577-2000至15949577+99，即Chr16:15947577-15949676。

页面往下拉，在“Genomic regions, transcripts, and products”下找到“FASTA”。

显示PICSAR的序列（FASTA格式），在右上角输入前面计算所得的启动子区域，点击“Update View”，左边的序列就变成启动子序列。

(2)转录因子预测第二步：查找与启动子结合的转录因子

以预测人PICSAR基因的转录因子为例（JASPAR不能直接预测基因的转录因子，需要借助UCSC）。在浏览器输入网址：http://genome.ucsc.edu/，进入UCSC数据库主页，在顶部导航栏的My Data里找到并点击Track Hubs。

在Public Hubs中输入“JASPAR”，点击”Search Public Hubs”

在检索结果里找到JSAPAR的条目，点击“Connect”。上面这些步骤是将JASPAR组件添加到UCSC基因浏览器里。

页面提示Connect成功后会自动跳转到基因浏览器的页面，点击顶部导航栏的“Genomes”，选择合适的参照基因组。人类参照基因组有两个，GRCh38是最新版，GRCh37是旧版本。

在搜索框里输入PICSAR基因的启动子区位置（前面已通过NCBI数据库获得），点击“go”

为了方便查看，可设置仅显示JASPAR的track信息（此步可跳过）

稍等一段时间后（也可能是很长一段时间后），就可以查看可与PICSAR基因启动子区结合的转录因子了。

当预测到的转录因子太多时，可通过设置JASPARtrack来过滤掉一部分：

(3)转录因子预测第三步：预测与转录因子结合的位点

在JASPAR主页http://jaspar.genereg.net/ ，检索需要分析的转录因子，加到购物车里，然后点击“View cart”。

进入购物车页面后，在右边的工具栏里找到“Scan”,把前面从NCBI获得的PICSAR启动子序列复制到“Scan”下方的文本框中，阈值设置为90%,点击“Scan”。

刷新后，显示预测的结合位点Analysis results

可以看到输入的6个转录因子，满足预测条件的有4个转录因子（当设置阈值为80%时，则6个都能预测到结合位点），其中MEF2A有3个结合位点，其他转录因子各有1个结合位点（可优先选择结合位点多的转录因子进行验证，也可选择分数最高的）。

三、转录因子预测优化策略

(1)基因表达的相关性

推荐一个网址：http://gepia.cancer-pku.cn/（GEPIA数据库，整合了TCA数据库和GTEx数据库）。

基因Ensemble ID查找网站：http://asia.ensembl.org/index.html

(2)结合序列的保守性

(3)转录复合物分析

(4)组蛋白H3K4me3修饰

老铁们，今天的文章比较长，图片又多

但确实是一篇很实用的工具型文章

建议保存收藏之后好好消化

来源：普拉特泽生物