TF: transcription factor转录因子TFBS: transcription factor binding site转录因子结合位点TFBS是序列内的location，TF特异结合在这里，这个site有这种特点
1 和一些参考相关的一个位置（开始，结束，strand），这些reference可以是染色体开始，geneTSS。也可以是一段sequence2 A SITE可以是实验证实的（已知的），也可以是一些算法（预测的）3 例子，下面这个图是酵母TF Pho4p的结合位点。坐标和起始密码相关。
image.png从结合位点到结合motif binding motifs定义：transcription factor binding site（TFBS）TFBS指的是TF特异结合的DNA分子的position（位置），延伸的话，就是DNA片段的序列边界。注意，文献中经常把结合位点和结合域混淆（binding site ，binding motif）我们推荐保留“site”这个词来定义某一特别sequence（基因的或artificial），这是一个factor结合的地方。而“motif”这个词进行结合特异性的genetic（遗传学的）描述，通过汇总一系列sites的信息进行汇总得到。
定义：TFBM (transcription factor binding motif)转录因子结合域“代表一个TF的结合特异性，通常通过汇总一系列结合位点的保守和可变位点而来，几个modes或representation可以用来描述TFBM：一致性，位点特异得分方阵，Hidden Markov Models（HMM）”。
1 我们使用术语”motif”或“pattern”在模型的意义上代表一个TF结合位点的特异性。2 一个motif通常从一系列转录结合位点汇总产生3 一个motif可以使用不同的形式描述3.1 一致性string（consensus string）A：核苷酸序列（nucleotide alphabet CACTTGGG）B：IUPAC alphabet CACGTGKKC:regular expression（规律表达） CACGTG[GT][GT]3.2 位置特异性得分矩阵（position-specific scoring matrix）(PSSM)3.3 Logo representation(Schneider,1986)3.4 Hidden Markov Models(HMM)Binding specificity结合特异性
1 Pho4p的结合特异性已经很好的被描述过了2 High-affinity高亲和位点有核心CACGTG，后面跟着几个Gs或Cs3 Medium-affinity中度亲和位点有核心的CACGTT，跟着几个Ts4 一些单核苷酸突变足以阻止转录因子与其结合
image.pngimage.pngConsensus reprentation第一，酵母TF Pho4p在TRANSFAC数据库中包含8个结合位点
其中，5/8包含高亲和力结合位点（CACGTG）
3/8包含中度亲和力结合位点（CACGTT）
第二，IUPAC 模糊的核苷酸密码允许代表可变碱基
第三，15字母代表任何可能的结合在4个核苷酸之间（2-1=15）
第四，这种表示对残基的相对重要性提供了一个poor idea。
image.pngBuilding a position-specific scoring matrix from a collection of sitesTF Pho4p结合位点的排列（TRANSFAC注释）
image.pngimage.png(generated with Web Logo http://weblogo.berkeley.edu/logo.cgi)Characteristics of yeast regulatory regions在酵母中第一，顺式作用元件（cis-regulatory elements）位于调控gene非编码区上游第二，链敏感性strand-insensitive：活性不依赖于strand第三，从起始密码子开始算，位于其~800bp以内：活性不依赖于精确位置
Cis-regulator modules(CRM)image.png1 在后生动物中，一些非编码区域（典型的100-200bp）包含清晰的TF紧密压缩的结合位点.2 这些区域称之为cis-regulatory regions（CRMs）顺式调控区域。3 CRMs起着整合devices（设备）的作用4 依赖于细胞中TF的结合，他们会激活或抑制靶基因的表达。（激活-增强子，抑制-沉默子）Cis-regulatory elements and their organizationThe localization of cis-regulatory regions varies depending on the type of organism
image.pngimage.pngimage.pngimage.png PAZAR http://www.pazar.info/ Unification of independent collection of transcription factor binding sites and motifs. YeasTract http://www.yeastract.com/ Yeast-specific database. Factors, binding sites and motifs + tools. FlyReg http://www.flyreg.org/ Drosophila DNase I Footprint Database PlantCARE http://bioinformatics.psb.ugent.be/webtools/plantcare/html/ Plant Cis-Acting Regulatory Elements2.motif或pattern匹配Pattern matching
image.pngimage.pngimage.pngPattern matching in a small set of sequences目标：知道motif，在感兴趣的序列中发现匹配的位置为每个位置指定一个得分第一，显示匹配的质量1 String-based 模式匹配替代2 基于矩阵的模式匹配的权重得分第二，为每个模式显示先验的重要性例如从模式发现的重要性
Expected mathes for a consensus in whole genomes从基因组范围模式匹配的期望值
Assuming a perfectly conserved hexanucleotide, with strand-insensitive activityExpected matching rate:1 occ/2kb
image.pngGenome-scale pattern matching目标：给定一个模式，在整个基因组范围内发现匹配。也就是鉴定一个给定的TF调控的基因。通常来说，基于单个信号的搜索会返回很多假阳性改进：第一，搜索重复信号（例如GATA框）第二，搜索信号的结合第三，限定位置第四，结合编码区信息。
String-based pattern matchingWord counting-Occurrences or matching sequences如果一个序列包含一个给定motif的大量的出现，那么可以对他们所有进行得分或只计算每个序列的第一个出现，这种情况下，每一个序列都被记录为匹配motif或不匹配。
image.pngTreatment of self-overlap对这样的words可以这样计数每一个只计算更新发生（下面的例子是两次，意思不回头）或者所有的出现都算（2个renewing，2个重叠下面的例子）计算模式的选择强烈影响后续的统计（依赖不依赖）
image.png（renewing occurrences就是过去就过去了，重新开始计算Overlapping occurrences是不管怎么，只要首字母可以查到我想要的，就一直重复算）3 Single or double starand count
1 DNA序列的特殊性是它的双链结构。2 Words可以单链计算也可以双链，这依赖于期待的生物学信号的本质。A：在RNA序列中，单链计算普遍合适B：DNA序列中，对顺式作用元件来说，双链计数都可以，因为很多转录因子作用不依赖于方向定位。
image.pngSymmetrics in DNA sequences回文序列：相对于中间的一个字母是对阵的，正读倒读都一样。下面这个序列含有文字回文序列
image.png但是，相应的DNA分子没有对称性
image.png下面这个序列不含有文字的回文序列image.png但是，相应的DNA分子有“反向互补回文序列”：DNA分子有同样的核苷酸串，无论你读哪条链（都是从5端到3端）RSAT tool:dna-pattern在匹配DNA序列上，尤其特定的模式匹配程序
1 支持部分特定核苷酸的IUPAC代码（例如TSWNATTK）2 支持模式内固定或可变长度的空格例如GGGWn｛0，30｝WCCC3 单链或双链4 允许替代但不允许插入或删除提取匹配的邻居（侧翼碱基）返回（匹配位置，每个序列的匹配计数）滑动窗口检测包含多个模式组合的区域具体的权重可以与每种模式相关联Matching simple patterns一个简单的字符串匹配模式通常信息量不足第一，虚假匹配随处可见第二，一致性的出现不是总依偎着TF结合第三，一些motif比其他的有更高的重要性，比如一致性序列的核心区域
image.pngMatching a collection of overlapping patterns模式匹配的结果可以通过匹配相互重叠的模式（单词或间隔二元组）的集合进行提高可以使用多种模式来表示较大的结合位点的片段，或者可以使用多种模式由共识退化引起的变种。可以将特定的权重分配给集合的元素，以表示它们对绑定的相对重要性
image.pngGenome-scale pattern matching知道给定的TF的一致性结合位点，一个人可以试图使用这个信息来预测整个基因组中的靶基因。这个方法非常不准确，因为第一，这个一致性很难反应结合的特异性第二，结合和调控不是同义词做一个实验，我们通过TRANSFAC和我们自己的注释来计数不同的酵母TF的一致性发生数目，针对下面中的每一个第一，序列上游800bp，剪切来防止上游的ORFS第二，对每一个gene，我们计算每个一致序列的出现数目。
Matrix-based pattern matchingRegulatory motif:position-specific scoring matrix(PSSM)Binding motif of the yeast TF Pho4p(TRANSFAC matrix F$PHO4_01image.pngFrequency matriximage.pngPseudo-count correctionimage.pngProbability of a sequence segment under the matrix modelimage.pngProbability of a sequence segment under the matrix modelimage.pngProbability of the highest scoring sequence segmentimage.png