Marco de aprendizaje profundo multiview para la predicción precisa de los sitios de unión del factor de transcripción

Área de la Ciencia:

• Genómica y Biología Molecular
• Biología computacional y bioinformática
• Biología de sistemas

Sus antecedentes:

• Los factores de transcripción (TF) regulan la expresión génica uniéndose a sitios específicos del ADN (TFBS).
• La predicción precisa de TFBS es vital para comprender la regulación génica, los mecanismos de la enfermedad y la biología sintética.
• Los métodos actuales de aprendizaje automático se enfrentan a desafíos en el modelado de la estructura del ADN, las dependencias de largo alcance y la integración de diversos datos.

Objetivo del estudio:

• Desarrollar un marco avanzado de aprendizaje profundo para una mejor predicción de enlace de factores de transcripción (TFBS).
• Abordar las limitaciones de los modelos existentes mediante la incorporación de múltiples vistas de datos y propiedades de la secuencia de ADN.
• Mejorar la precisión y la interpretabilidad de los modelos de predicción de TFBS.

Principales métodos:

• Propuso MDNet-TFP, un modelo de aprendizaje profundo multiview para la predicción de TFBS.
• Se introdujo un módulo de complemento inverso bidireccional (BiRC-Mamba) para capturar las propiedades de la secuencia de ADN.
• Desarrolló una red de atención recurrente convolucional multiscala (MCRAN) para la extracción de características y la integración de datos.

Principales resultados:

• MDNet-TFP logró un rendimiento superior en 165 conjuntos de datos ChIP-seq, con un ACC promedio de 88.13%, ROC-AUC de 93.72% y PR-AUC de 93.40%.
• El modelo demostró un alto rendimiento en un conjunto más amplio de 690 conjuntos de datos ChIP-seq.
• La visualización de motivos confirmó que la atención del modelo se alinea con los motivos conocidos de TFBS, lo que indica una relevancia biológica.

Conclusiones:

• MDNet-TFP aborda efectivamente las limitaciones de los métodos de predicción TFBS actuales.
• El modelo ofrece una mayor precisión, interpretabilidad y capacidades de generalización para el análisis de datos genómicos.
• Este trabajo avanza en la investigación de la regulación transcripcional y tiene implicaciones para aplicaciones biomédicas.