Utilidad práctica de los modelos secuencia-a-ómicos para mejorar la reproducibilidad del mapeo genético fino

Área de la Ciencia:

• Genómica
• Aprendizaje Profundo
• Bioinformática

Sus antecedentes:

• El aprendizaje profundo ha permitido a los modelos secuencia-a-ómicos (S2O) predecir fenotipos moleculares directamente del ADN.
• El mapeo genético fino tiene como objetivo identificar variantes causales, pero a menudo sufre problemas de reproducibilidad.

Objetivo del estudio:

• Evaluar sistemáticamente los modelos S2O para mejorar la reproducibilidad del mapeo genético fino.
• Desarrollar un marco para el mapeo fino informado funcionalmente utilizando predicciones S2O.

Principales métodos:

• Se evaluaron modelos S2O (AlphaGenome, Borzoi, Enformer, Sei) en conjuntos de datos eQTL de GTEx, TOPMed y MAGE.
• Se comparó el mapeo genético fino puramente estadístico con métodos que integran predicciones S2O.
• Se desarrolló un marco generalizado que genera PIPs informados funcionalmente (fiPIPs).

Principales resultados:

• El mapeo fino puramente estadístico mostró altas tasas de fallo de replicación (RFR).
• La integración de las predicciones del modelo S2O redujo sustancialmente las RFR.
• El marco fiPIP mejoró la priorización de SNP y la replicación de variantes en consorcios.

Conclusiones:

• Los modelos S2O, especialmente AlphaGenome y Borzoi, permiten la identificación robusta de variantes genéticas replicadas.
• El mapeo genético fino informado funcionalmente utilizando modelos S2O mejora la precisión y escalabilidad del mapeo genético.
• Los modelos S2O muestran una gran promesa para el descubrimiento genético reproducible y funcionalmente consciente.