Key points are not available for this paper at this time.
Promotoren sind Konsens-DNA-Sequenzen, die sich in der Nähe der Transkriptionsstartstellen befinden und eine wichtige Rolle bei der Transkriptionsinitiierung spielen. Aufgrund ihrer Bedeutung in biologischen Prozessen ist die Identifizierung von Promotoren entscheidend für die Charakterisierung der Expression von Genen. Zahlreiche rechnerische Methoden wurden vorgeschlagen, um Promotoren vorherzusagen. Es ist jedoch schwierig für diese Methoden, in mehreren Spezies zufriedenstellende Leistungen zu erzielen. In dieser Studie schlagen wir ein neuartiges gewichtet durchschnittliches Ensemble-Lernmodell vor, das iPro-WAEL genannt wird, um Promotoren in mehreren Spezies zu identifizieren, einschließlich Mensch, Maus, E.coli, Arabidopsis, B.amyloliquefaciens, B.subtilis und R.capsulatus. Umfassende Benchmarking-Experimente zeigen, dass iPro-WAEL eine optimale Leistung aufweist und den aktuellen Methoden in der Promotorvorhersage überlegen ist. Die experimentellen Ergebnisse belegen auch die zufriedenstellende Vorhersagefähigkeit von iPro-WAEL bei Kreuzzelllinien, Promotoren, die von anderen Methoden annotiert wurden, und der Unterscheidung zwischen Promotoren und Enhancern. Darüber hinaus identifizieren wir das wichtigste Transkriptionsfaktor-Bindungsstellen (TFBS) Motiv in Promotorregionen, um das Studium wichtiger Motive in den Promotorregionen zu erleichtern. Der Quellcode von iPro-WAEL ist frei verfügbar unter https://github.com/HaoWuLab-Bioinformatics/iPro-WAEL.
Zhang et al. (Mon,) untersuchten diese Frage.