Predicting motifs in human and mouse genes by using Probabilistic Suffix Trees

Abstract

ÖzetçeGen ifadelerini düzenleyen mekanizmaların anlaşılması, moleküler biyolojideki önemli araştırma konularından birisidir. Bu konudaki önemli problemlerden birisi, transkripsiyon (yazım) faktörleri için Deoksiribonükleik Asit'te (DNA) bulunan bağlanma konumları gibi düzenleyici elemanları (motifleri) tanıma işlemidir. Bu çalışmada insan ve fare genlerinde bulunan motiflerin tahmini için Olasılıksal Sonek Ağacı (OSA) kullanan bir yöntem önerilmiştir. Deneysel sonuçlar on üç farklı motif bulma araçları ile karşılaştırmalı olarak değerlendirilmiştir. Elde edilen sonuçlar, önerilen yöntemin karşılaştırılan diğer yöntemlerden, nükleotid seviyesinde duyarlılık (nSn) değerine göre daha iyi sonuçlar verdiğini göstermiştir. AbstractThe identification of regulatory elements (motifs) is a challenging task in mollecular biology. An important challenge in this study is to identify regulatory elements (motifs), notably the binding sites in Deocsiribonucleic Acid (DNA) for transcription factors. Based on this motivation we propose a method for motif prediction of mouse and human genes by using Probabilistic Suffix Tree (PST). Experimental results are evaluated comparatively by thirteen distinct motif prediction tools. Our results show that, the proposed method gives a better recognition rate than the compared motif prediction tools, where the recognition rate is nucleotide level sensitivity (nSn).