HOMER | MEME | 转录因子的靶基因预测

 

Finding Enriched Motifs in Genomic Regions (findMotifsGenome.pl)

 

在指定区域做motif enrichment，大大降低了假阳性。

MEME也可以做，但是设定更加复杂。

 

转录因子的表达具有高度的组织特异性，而且已知的TF只有1000多个，基因有30000多个，所以一个TF的靶基因可能有几百个，而且具有高度的时空组织特异性。

实验的方法就不说了，可靠、成本高、耗费劳力。

以下只说高通量数据的预测方法。

 

最简单的预测就是基于基因表达，co-expressed就是可能的靶基因，预测软件一大把。

问题很多，首先理解假设：

1. TF的线性变化引起target gene的线性变化，他们线性相关；

2. TF的调控是sparse的，

问题：

1. 有人说这根本就不是线性的，TF的yes or no，决定target gene的表达；

2. 不是线性相关，存在shift，先后的shift是普遍存在的；

3. co-expression是无法得出target关系的；

 

所以，现在大家都开始结合motif enrichment了，TF的靶向作用是靠motif与基因组DNA结合来