A high-confidence map of the direct, functional targets of each transcription factor (TF) requires convergent evidence from independent sources. Two significant sources of evidence are TF binding locations and the transcriptional responses to direct TF perturbations. Systematic data sets of both types exist for yeast and human, but they rarely converge on a common set of direct, functional targets for a TF. Even the few genes that are both bound and responsive may not be direct functional targets. Our analysis shows that when there are many nonfunctional binding sites and many indirect targets, nonfunctional sites are expected to occur in the cis-regulatory DNA of indirect targets by chance. To address this problem, we introduce dual threshold optimization (DTO), a new method for setting significance thresholds on binding and perturbation-response data, and show that it improves convergence. It also enables comparison of binding data to perturbation-response data that have been processed by network inference algorithms, which further improves convergence. The combination of dual threshold optimization and network inference greatly expands the high-confidence TF network map in both yeast and human. Next, we analyze a comprehensive new data set measuring the transcriptional response shortly after inducing overexpression of a yeast TF. We also present a new yeast binding location data set obtained by transposon calling cards and compare it to recent ChIP-exo data. These new data sets improve convergence and expand the high-confidence network synergistically.

中文翻译：

---

双阈值优化和网络推论揭示了来自TF结合位置和TF扰动响应的收敛证据。

每个转录因子（TF）的直接，功能靶标的高可信度图需要来自独立来源的聚合证据。两个重要的证据来源是TF结合位置和对直接TF扰动的转录反应。酵母和人类都有这两种类型的系统数据集，但它们很少会集中在TF的一组直接的直接功能靶标上。即使是少数几个既具有约束力又具有响应性的基因也可能不是直接的功能靶标。我们的分析表明，当有许多非功能性结合位点和许多间接靶标时，预计非功能性位点偶然会出现在间接靶标的顺式调节DNA中。为了解决这个问题，我们引入了双重阈值优化（DTO），一种新的方法来设置约束和扰动-响应数据的显着性阈值，并表明它提高了收敛性。它还可以将绑定数据与由网络推理算法处理过的摄动响应数据进行比较，从而进一步提高了收敛性。双重阈值优化和网络推理的结合极大地扩展了酵母和人体内的高可信度TF网络图谱。接下来，我们分析一个综合的新数据集，该数据集可在诱导酵母TF过度表达后不久测量转录反应。我们还介绍了通过转座子电话卡获得的新酵母结合位置数据集，并将其与最近的ChIP-exo数据进行了比较。这些新数据集改善了收敛性，并协同扩展了高可信度网络。它还可以将绑定数据与由网络推理算法处理过的摄动响应数据进行比较，从而进一步提高了收敛性。双重阈值优化和网络推理的结合极大地扩展了酵母和人体内的高可信度TF网络图谱。接下来，我们分析一个综合的新数据集，该数据集可在诱导酵母TF过度表达后不久测量转录反应。我们还介绍了通过转座子电话卡获得的新酵母结合位置数据集，并将其与最近的ChIP-exo数据进行了比较。这些新数据集改善了收敛性，并协同扩展了高可信度网络。它还可以将绑定数据与由网络推理算法处理过的摄动响应数据进行比较，从而进一步提高了收敛性。双重阈值优化和网络推理的结合极大地扩展了酵母和人体内的高可信度TF网络图谱。接下来，我们分析一个综合的新数据集，该数据集可在诱导酵母TF过度表达后不久测量转录反应。我们还介绍了通过转座子电话卡获得的新酵母结合位置数据集，并将其与最近的ChIP-exo数据进行了比较。这些新数据集改善了收敛性，并协同扩展了高可信度网络。双重阈值优化和网络推理的结合极大地扩展了酵母和人体内的高可信度TF网络图谱。接下来，我们分析一个综合的新数据集，该数据集可在诱导酵母TF过度表达后不久测量转录反应。我们还介绍了通过转座子电话卡获得的新酵母结合位置数据集，并将其与最近的ChIP-exo数据进行了比较。这些新数据集改善了收敛性，并协同扩展了高可信度网络。双重阈值优化和网络推理的结合极大地扩展了酵母和人体内的高可信度TF网络图谱。接下来，我们分析一个综合的新数据集，该数据集可在诱导酵母TF过度表达后不久测量转录反应。我们还介绍了通过转座子电话卡获得的新酵母结合位置数据集，并将其与最近的ChIP-exo数据进行了比较。这些新数据集改善了收敛性，并协同扩展了高可信度网络。我们还介绍了通过转座子电话卡获得的新酵母结合位置数据集，并将其与最近的ChIP-exo数据进行了比较。这些新数据集改善了收敛性，并协同扩展了高可信度网络。我们还介绍了通过转座子电话卡获得的新酵母结合位置数据集，并将其与最近的ChIP-exo数据进行了比较。这些新数据集改善了收敛性，并协同扩展了高可信度网络。