Modelo de lenguaje genómico de preentrenamiento con variantes para un mejor modelado de la genómica funcional | JoVE Visualize

Área de la Ciencia:

La genómica
Biología computacional
La bioinformática

Sus antecedentes:

Los modelos de lenguaje genómico (GLM) aprenden de las secuencias de ADN para representar el contexto genómico.
Los modelos de secuencia a función (S2F) vinculan la información genética con la expresión génica y los fenotipos.
El puente entre los modelos GLM y S2F para la predicción de la expresión génica individualizada sigue siendo un desafío.

Objetivo del estudio:

Desarrollar un nuevo modelo de lenguaje de ADN, UKBioBERT, utilizando datos genéticos del Reino Unido BioBank.
Integrar UKBioBERT con los modelos S2F existentes (Enformer, Borzoi) para crear modelos predictivos mejorados.
Mejorar la predicción de los niveles de expresión génica y comprender el impacto de las variantes genéticas.

Principales métodos:

Formación previa de un modelo de lenguaje de ADN (UKBioBERT) sobre las variantes genéticas del BioBank del Reino Unido.
La generación de secuencias informativas desde UKBioBERT.
La combinación de las incorporaciones de UKBioBERT con las arquitecturas S2F (Enformer, Borzoi) para formar UKBioFormer y UKBioZoi.
Evaluación del rendimiento del modelo en la predicción de la expresión génica en diferentes cohortes.

Principales resultados:

Las incorporaciones de UKBioBERT identifican eficazmente las funciones genéticas y mejoran la predicción de la expresión génica en las líneas celulares.
UKBioFormer y UKBioZoi demuestran un rendimiento superior en la predicción de niveles de expresión génica altamente predecibles.
Los modelos integrados se generalizan bien en diversas cohortes.
UKBioFormer captura con precisión las relaciones genotipo-fenotipo, lo que permite el análisis de mutaciones in silico.

Conclusiones:

La integración de modelos de lenguaje genómico con enfoques de secuencia a función avanza significativamente en la genómica funcional.
UKBioBERT proporciona información valiosa para comprender la función genética y la previsibilidad de la expresión.
Los modelos desarrollados UKBioFormer y UKBioZoi ofrecen herramientas mejoradas para predecir la expresión génica y analizar los efectos de las variantes genéticas.