4.3 單獨使用TNP與本研究方法之結果比較
4.3.1 決定TNP與本研究方法之門檻值
表 4.2-2 為此實驗的結果比較。針對資料<1>，我們得到的平均分數為 8.04；針對資料
<2>，我們共取了 2000 組基因對進行字串排比，其平均為分數為 1.46。由實驗結果可 以發現，跟隨機選取的基因對比較，已知具調控關係的基因對，在我們的方法中，的 確可以得到較高的分數。
Data Set Average Scores 54 known gene-gene pairs 8.04 2000 random gene-gene pairs 1.46
表 4.2-2 針對已知的調控基因對與隨機取得的基因對，所得的評分結果。
4.3單獨使用 TNP 與本研究方法之結果比較
本實驗的最終目的為：比較本研究與 TNP 兩者重建基因調控網路能力。實驗可分為三 部分；其中，4.3.1 節的實驗是為了決定 TNP 與本實驗的最佳門檻值(threshold)；而 4.3.2 節的實驗則使用 4.3.1 節中決定之門檻值，對兩種方法進行比較；為了排除設定門檻值 可能造成的偏頗，4.3.3 捨棄門檻值的設定，採用排名的方式來比較兩方法的預測能力，
以做到更為客觀之比較。
4.3.1 決定 TNP 與本研究方法之門檻值
實驗目的：在 TNP 中以 PF 作為重建基因調控網路之門檻值；本研究方法則以字串排比之分數 (Scores)作為門檻值。本實驗目的是找出最適當的 PF 與 Scores，以利 4.3.2 之實驗進行。
實驗資料：
我們以 TNP 所採用的 26 個轉錄因子所組成的轉錄調控模組(如表 4.3-1)，為重建基因網 路的目標。
ABF1、ACE2、ADR1、BAS1、BAS2、GAL4、GCN4、GCR1、
HAP1、HSTF、LEU3、HATalpha1、HATalpha2、MBF、MCM1、
MIG1、PDR3、PHO4、PUT3、RAP1、REB1、Repressor of CAR1、
SBF、STE12、SWI5、TBP
表 4.3-1 本實驗所使用之 26 個調控因子
關於驗證的資料，我們使用記錄於資料庫 SCPD(Zhu et al. 1999)之調控關係來決定某一 方法之預測能力。
SCPD 全名為 Saccharomyces Cerevisiae Promoter Database，集合了生物學家在酵母菌上 的實驗結果，並整理出酵母菌基因與轉錄因子等相關資訊，包含酵母菌之轉錄因子結 合區、轉錄起始位置之資訊，另外還提供部份經過生物實驗驗證之基因調控模組。在 我們的實驗中，將以這些已知的證據，來比較兩個重建調控網路方法之預測能力。
實驗方法：
分別實作 TNP 與本實驗之研究方法，並針對同一組基因表現資料，以比較兩者重建基 因調控網路之能力。
如 1.1 所言，一個轉錄因子為一種特定的蛋白質，可能由多個蛋白質所組成，而這些蛋 白質又由不同的基因所合成。在 26 個轉錄因子中，其中 23 個是由單一基因所合成之 蛋白質；有 3 個則是由多基因所合成之蛋白質複合體(protein complex)，分別為 Repressor of CAR1、MBF、SBF。其組合基因如表 4.3-2。
TF name Component Gene(ORF) Reference Repressor of CAR1 RPD3(YNL330c)、
SIN3(YOL004w)、
UME6(YDR207c)
Wingender E. et al. 1996
MBF SWI6(YLR182w)、
MBP1(YDL056w)
Sellman et al. 1998
SBF SWI4(YER111c)、
SWI6(YLR182w)
Sellman et al. 1998
表 4.3-2 由多基因所組成之轉錄因子。
針對這些由多基因合成之調控因子，TNP 利用方程式 2.1(參見 2.2.1)，增加其變數以估 過程中，調控模組(Repressor of CAR , YAL001C)的得分為 2.67。
得分 於時間點t之基因表現程度。
在本研究所提出的方法中，針對這些由多基因組成之調控因子，我們分別將其組成基 因與可能被調控基因之基因表現資料，做多次的字串排比，最後計算其平均，作為此 預測調控模組之給分。例如，考慮調控因子 Repressor of CAR1，與可能受調控基因 YAL001C，我們必須分別對基因對(YNL330c , YAL001C)、(YOL004w ,YAL001C)、(YDR207c , YAL001C)進行字串排比。如表 4.3-3，其得分分別為-6、1、13，平
測
組成基因 字串排比結果
YNL330c (RPD3) YAL001C
-BC--C--DCBAAACCDDC
ABCBBCDDDCCAAA--- -6 YOL004w (SIN3)
YAL001C
--DDDDCCCCBAABBA
ABCBBCDDDCCAA--A 1
YDR207c (UME6)
YAL001C 13
AAABBBCCDDDD-CC AB-CBBCDDDCCAAA
表 4.3-3 調控模組(Repressor of CAR , YAL001C)之預測結果
子結合區等資訊皆可以由 SCPD 資料庫所取得。
為了決定兩方法之門檻值，PF 與 Scores，有較為公平的評量方式，我們引用第三 種重建基因網路之方式，Pattern Match(Hsu et al. 2004)，並分別與此兩方法比較，以決 定其門檻值。Pattern Match 是利用判斷某基因之上游區，是否包含某調控因子之轉錄因 子結合區(見 1.1)，以決定此基因是否受該轉錄因子所調控。基因上游區序列、轉錄因
圖 4.3-1 為 TNP 於不同 PF 值的設定下，與 Pattern Match 比較的結果。其中，X 軸 代表不同的 PF 值；Y 軸為預測精確度較高的調控模組數。以 PF=0.4 為例，在此設定 之下，上述 26 個調控模組中，Pattern Match 表現較好的有 11 組；而 TNP 表現較好的 有15組。
0 5 10 15 20 25
0 0.01 0.03 0.05 0.07 0.09 0.1 0.2 0.3 0.4 0.5 0.6 0.7
PF threshold
Number of Transcription Modules
Pattern Wins TNP Wins
圖 4.3-1 TNP 於不同 PF 值之下，與 Pattern Match 之預測結果比較。
X 軸代表不同的 PF 值；Y 軸為預測精確度較高的調控模組數。
圖 4.3-2 為就所提出的方法於不同 Scores 值的設定下，與 Pattern Match 比較的結 果。其中，X 軸代表不同的 Scores 值；Y 軸為預測精確度較高的調控模組數。以 Scores
= 6.5 為例，在此設定之下，上述 26 個調控模組中，Pattern Match 表現較好的有 8 組；
而本研究方法表現較好的有 18 組。
0 2 4 6 8 10 12 14 16 18 20
-1.5
-0.5 0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5 8.5
Scores threshold
Number of Transcription Modules
Pattern Wins OURs Wins
圖 4.3-2 本研究所提方法於不同 Scores 值之下，與 Pattern Match 之預 測結果比較。X 軸代表不同的 Scores 值；Y 軸為預測精確度較高的調控 模組數。