[论文解读] Computational prediction of replication sites in DNA sequences using complex number representation

Shubham Kundal, Raunak Lohiya+4 more|arXiv (Cornell University)|Sep 27, 2019

RNA and protein synthesis mechanisms参考文献 27被引用 5

一句话总结

该论文提出iCorr，一种新颖的计算方法，通过使用DNA序列的复数表示来预测复制起始位点（ORI），其分辨率和准确性均高于现有的自相关方法。通过将核苷酸映射到复数单位{+1, −1, +i, −i}，iCorr捕获了所有四种碱基的完整空间信息，实现了ORI定位的自动峰检测，无需人工检查，显著提高了原核生物和真核生物中的预测精度。

ABSTRACT

Computational prediction of origin of replication (ORI) has been of great interest in bioinformatics and several methods including GC-skew, auto-correlation etc. have been explored in the past. In this paper, we have extended the auto-correlation method to predict ORI location with much higher resolution for prokaryotes and eukaryotes, which can be very helpful in experimental validation of the computational predictions. The proposed complex correlation method (iCorr) converts the genome sequence into a sequence of complex numbers by mapping the nucleotides to {+1,-1,+i,-i} instead of {+1,-1} used in the auto-correlation method (here, i is square root of -1). Thus, the iCorr method exploits the complete spatial information about the positions of all the four nucleotides unlike the earlier auto-correlation method which uses the positional information of only one nucleotide. Also, the earlier auto-correlation method required visual inspection of the obtained graphs to identify the location of origin of replication. The proposed iCorr method does away with this need and is able to identify the origin location simply by picking the peak in the iCorr graph.

研究动机与目标

• 解决现有自相关方法在预测DNA序列中复制起始位点（ORI）时的局限性。
• 消除在ORI预测中对相关性图谱进行人工视觉检查的需求。
• 通过复数映射利用所有四种核苷酸（A、T、C、G）的完整空间信息，提升分辨率和准确性。
• 通过更高分辨率的预测缩小搜索空间，从而实现更精确的实验验证。
• 提供一种鲁棒且自动化的计算方法，适用于原核生物和真核生物基因组。

提出的方法

• iCorr方法将每个核苷酸映射为一个复数：A → +1，T → −1，C → +i，G → −i。
• 该方法将DNA序列转换为复数值序列，保留了所有四种碱基的位置和组成信息。
• 该方法在基因组序列的滑动窗口上计算复数自相关函数（iCorr）。
• iCorr函数通过标准自相关公式应用于复数序列计算得出，能够捕捉相位和振幅信息。
• ORI位置通过iCorr图谱中的峰值自动识别，无需人工解释。
• 该方法采用可调节窗口大小和滑动步长的滑动窗口方法，以优化分辨率和降噪效果。

实验结果

研究问题

• RQ1 与传统自相关方法相比，DNA序列的复数表示是否能提高复制起始位点预测的分辨率和准确性？
• RQ2 iCorr方法是否能自动检测ORI位置，而无需人工检查相关性图谱？
• RQ3 通过复数映射整合所有四种核苷酸（A、T、C、G）的位置信息，是否能提升检测的灵敏度和特异性？
• RQ4 在多样化的原核生物和真核生物基因组中，iCorr方法在ORI预测准确性方面表现如何？
• RQ5 在iCorr框架中，何种窗口和滑动步长组合能最大化预测精度？

主要发现

• iCorr方法成功将复制起始位点识别为复相关图谱中的峰值，消除了传统自相关方法中对人工检查的依赖。
• 通过复数映射，iCorr捕获了所有四种核苷酸的完整空间信息，而以往方法仅利用G碱基的位置信息。
• 该方法实现了更高分辨率的ORI位置预测，这对指导实验验证至关重要。
• 在*Bacillus subtilis*中，iCorr、gCorr和GC-偏移均预测了相近基因组位置的终止区（TER），但iCorr提供了更锐利、更清晰的峰值。
• iCorr方法适用于原核生物和真核生物，且在无需基因组特异性调参的情况下，能一致地识别ORI位置。
• 通过分析确定了最优窗口和滑动步长，表明参数优化可显著提升预测精度。