一、转录因子结合模体的表示方法

1. DNA共有序列
构建方法：对已知的多条转录因子结合序列进行多序列比对，在每个位置选择频率最高的碱基（若最高频率低于某个阈值，则使用简并码）。例如：
- 序列集合：TACTGTA, TACTGCA, TACTGTA, TACTGCA
- 共有序列：TACTGHA（H表示A/C/T）
局限性：无法反映碱基频率的连续变化，对信息的利用不够充分。
2. 位置频率矩阵（PFM）
对于一个长度为n的模体，PFM的构建步骤：
1. 收集已知的转录因子结合序列（通常来自SELEX、PBM或ChIP-Seq实验）
2. 对序列进行多序列比对
3. 统计每个位置（j=1..n）上每种碱基（i∈{A,C,G,T}）的出现次数
4. 计算频率：q_{i,j} = count_{i,j} / N（N为序列总数）
3. 序列标识图（Sequence Logo）
每个位置的信息量（R_j）计算：
$$R_j = H_{max} - H_j = 2 - \left(-\sum_{i=1}^{4} q_{i,j} \log_2 q_{i,j}\right)$$
其中H_j为位置j的信息熵，H_max=2（当4种碱基均匀分布时的最大熵）。
每个碱基的高度：height_{i,j} = q_{i,j} × R_j
4. 位置权重矩阵（PWM）
$$S_{i,j} = \log_2\left(\frac{q_{i,j}}{b_i}\right)$$
其中b_i为碱基i在背景基因组中的频率。
对于待扫描序列的打分：S = Σ_{j=1}^{n} S_{i,j}
窗口滑动扫描：使用长度为n的窗口，以1 bp为步长在基因组上滑动，对每个片段计算PWM得分，筛选超过阈值的位点作为潜在结合位点。