基于后基因组时代的到来,计算机科学成为挖掘生物大数据内部隐藏信息的最有效手段,结合分子生物学技术,生物学已经从“提出假说”步入“数据挖掘”阶段,即整合海量的生物学数据,从中发掘生物学规律和生命体特征。许多公众数据资源,例如人类基因组计划,为我们提供了大量全基因组水平上的开源性组学数据,其目的在于借助新一代测序手段,更深层次的解开基因调控之谜。真核生物的基因表达调控主要发生在转录过程中,转录调控机制极其复杂,不仅涉及多种转录因子调控,还会受到染色质状态影响。近年来研究表明,绝大多数表观遗传标记组合的改变会影响基因表达水平,在人类大多数生物进程中发挥重要作用。尽管目前有许多依靠计算生物学的方法用于解码表观遗传标记组合的模式,或者称之为“表观遗传密码”,然而目前的算法在强调转录因子调控的表观遗传标记模式注释上仍然有一定的缺陷,不够直观的模拟并推测基因组的真实状况。TCF7L2是WNT信号通路的重要组成,有报道TCF7L2和癌症、2型糖尿病和躁郁症等多种疾病具有较强的关联性。异常表达的TCF7L2,使得WNT信号通路异常激活,这种分子水平的改变与多种癌症的发生发展密切相关。尽管之前的研究,在全基因组水平上识别出成千上万个TCF7L2的结合位点,并且说明其结合位点是具有细胞特异性的,然而TCF7L2在不同的癌症类型中,与其它表观遗传标记组合的模式特征尚未有人报道。本文以TCF7L2基因组学数据为主要研究对象,围绕着其表观遗传标记组合模式的注释和功能性调控元件的预测,首次从全基因组规模揭示转录因子相关的内部增强子在调控基因水平中的细胞特异转录活性,并利用分子生物学手段验证该基因调控元件的生物学功能。在整个研究过程中,主要进行了如下工作:1、以机器学习为基础,建立了一种新型的开源计算生物学方法,用于鉴别转录因子相关的表观遗传标记组合模式,整合命名为T-cep(Transcription factorassociated combinatorial epigenetic patterns)的软件,并详细描述了该工具的算法和工作流程。与其它常用软件和方法相比,T-cep具备诸多自身独有的特征,这些特征从算法上,确保训练的样品数据集信号纯度符合基因组真实情况,在保持结果准确可靠的基础上预测新的潜在的转录因子相关功能性基因调控元件。2、借助二代测序技术,创建TCF7L2的基因组学数据集,并利用组学数据详细评估T-cep的分析能力。结果显示,我们所建立的方法成功注释出三种TCF7L2相关功能性调控元件,包括一种新型的受TCF7L2调控的内部增强子元件,这是其它软件从未发现过的。之后我们详细剖析MCF7和PANC1细胞中,三种TCF7L2相关的调控元件,即TCF7L2调控的启动子,TCF7L2相关远端增强子和TCF7L2调控的内部增强子,我们发现转录因子相关的内部增强子的相关基因呈现出最高的基因表达水平,且在五种癌症细胞系中具有细胞特异性。结合KEGG通路分析可以推测,TCF7L2调控的基因表达,在不同疾病类型的发展中起到关键性的推动作用。3、为了验证上述推论,从TCF7L2相关内部增强子和远端增强子的基因列表中选取17个基因,利用si RNA抑制、共转染、逆转录定量聚合酶链反应(RTq PCR)和荧光素酶报告基因检测等手段,进行推论验证性研究。验证结果不仅证实了T-cep软件分析预测的准确性和有效性,同时也证明了在两种特异性的癌症细胞,MCF7和PANC1细胞中,TCF7L2调控的增强子转录功能强弱的差异性。4、为了评估此方法的广泛适用性,我们以MYC的组学数据为实验材料,注释出MYC相关的功能性基因调控元件,得到的表观遗传标记模式特征与TCF7L2组学数据训练得到的表观遗传标记模式极为相似。我们进一步选取在该领域最具代表性的工具——Chrom HMM与T-cep来进行对比,Chrom HMM不仅界面友好,而且在功能性基因调控元件聚类鉴定中作用强大。分别利用Chrom HMM处理TCF7L2和MYC的组学数据后,与我们的方法相对比发现,Chrom HMM可以发现更多种非转录因子相关基因调控元件的表观遗传标记组合模式变体,而发现的转录因子相关的功能性调控元件种类很少,无论在TCF7L2组学数据集还是MYC数据集中,都没有注释出转录因子相关的内部增强子。我们的方法则既可以有效注释出非转录因子相关的基因调控元件,同时也发现更多的转录因子相关功能性基因调控元件。