我们在做分子机制时，确定了某些分子比如circ、lnc、或者mRNA时，希望知道他的上游调控分子是什么，是哪个转录因子调控他的表达，需要预测转录因子-靶基因调控关系。或者，我们确定了一个重要蛋白，要看看他调控的蛋白是什么，再者我们研究ceRNA机制，我们希望miRNA的靶基因是一个转录因子，比如Myc，因为转录因子的改变极容易引起一系列基因的表达变化，进而引起通路变化，轻松导致细胞表型发生改变。
在与老师讨论高通量测序的结果时，我们不得不去面对一个严酷的事实。老师们原以为，做了表达谱筛选实验，筛选出部分差异基因/lnc/circRNA，然后进行验证不就可以了嘛。拿到数据时会发现没那么简单。
因为，如果您样品准备的合适，测序实验操作也没问题时，您可能会找到几百个，一两千个差异基因，肿瘤样品高达三四千个差异表达基因。看到数据时的老师要蒙了，怎么这么多差异基因/lnc/circRNA，我要挑哪个分子验证，我要挑哪个分子做机制。哪个分子才是这个处理下的核心分子，关键分子呢？其实想一想，既然观察到细胞表型（比如增殖、凋亡、迁移）或者组织有明显的改变，想必中间定不是几个基因或者一二十个差异基因能改变的了的，恐怕真的要几百、上千个基因的变化才足以引起细胞/组织可观察的表型变化吧。
老师问我哪个基因是最重要的，可以用来研究的、说实话，我不知道，该挑哪个分子。我会开始自责，作为一个分析人员，怎么能不会这个问题，收了老师的钱，怎么能不帮他们解决呢，良心何安啊。不久，心情恢复，想想，我可以帮老师做各样能做的分析，比如各类数据库的挖掘，出各种能出的图（备注：不额外收费），几乎随叫随到，从不知疲倦。想想有些老师在别的公司受到的非人的待遇，我应该可以自我安慰了。想想没有哪个公司的分析人员能告诉你，挑哪个分子做，就能做出机制。然而，这个问题总不能一直困扰我们。与其抓阄碰运气的选一个，不如寻找更多的信息提供一下参考也好嘛。于是，我觉得是不是可以结合一些数据库进行一下数据的整合预测呢。
今天谈转录因子。转录因子靶基因预测最有效的实验还是ChIP-seq。Inbrief,使用转录因子的抗体，抓取与其可以结合的DNA片段，通过分析检测这些DNA片段定位到哪个基因上，即可以推断，该转录因子可能调控哪个基因。
有些网站可以辅助进行预测，比如
