Un modelo básico de transcripción entre tipos de células humanas

Área de la Ciencia:

• La genómica
• Biología computacional
• Biología molecular

Sus antecedentes:

• La regulación transcripcional es crucial para los procesos biológicos, pero los modelos computacionales actuales luchan con la generalización a través de tipos y condiciones celulares.
• La predicción precisa de la expresión génica requiere comprender las interacciones complejas entre las secuencias reguladoras y las proteínas.

Objetivo del estudio:

• Introducir GET (Transformador de Expresión General), un modelo de base interpretable para descubrir las gramáticas regulatorias en todos los tipos de células humanas.
• Desarrollar un modelo computacional generalizable para predecir la expresión génica e inferir las redes reguladoras.

Principales métodos:

• Se utilizaron datos de accesibilidad de la cromatina e información de la secuencia como entrada para el modelo GET.
• Entrenó y evaluó GET en 213 tipos de células fetales y adultas humanas, evaluando su rendimiento en la predicción de la expresión génica, la actividad reguladora y las interacciones del factor de transcripción.
• Comparó el rendimiento de GET con los modelos existentes utilizando ensayos de reportero masivamente paralelos basados en lentivirus.

Principales resultados:

• GET logró una precisión de nivel experimental en la predicción de la expresión génica, incluso en nuevos tipos de células.
• Se ha demostrado su adaptabilidad a diferentes plataformas de secuenciación y ensayos.
• Se identificaron regiones reguladoras distales que no estaban presentes en modelos anteriores y se descubrieron nuevas interacciones de factores de transcripción, incluida una relacionada con el riesgo de leucemia.

Conclusiones:

• GET proporciona un modelo de base generalizable y preciso para la transcripción, superando los métodos actuales.
• El modelo permite la creación de catálogos específicos del tipo de célula de la regulación génica y las interacciones de los factores de transcripción.
• GET avanza en la capacidad de estudiar la regulación génica en diversos contextos biológicos.