Learnable Global Subset Perturbationsによる転写制御冗長性の理解

科学分野:

• ゲノミクス
• 計算生物学
• 分子生物学

背景:

• シスレギュラトリーエレメント（CRE）による転写調節は、生物学的機能に不可欠です。
• CREの破壊は疾患につながる可能性があり、その冗長性は協調的な調節セットを特定する手法を必要とします。
• CREがどのように協力して機能するかを理解することは、遺伝子発現制御を解読する鍵となります。

研究 の 目的:

• 組み合わせCRE効果を解明するためのインシリコ計算手法であるGRIDSを紹介します。
• 冗長性を考慮して、遺伝子発現を効果的に協調的に調節するCREのセットを特定します。
• CREによる遺伝子発現のグローバルな説明を提供します。

主な方法:

• GRIDSは、グローバルな特徴説明課題として2段階のアプローチを採用しています。
• 複雑な遺伝子調節プロセスをモデル化し、クロスモーダル翻訳を可能にするために、微分可能な代理関数を構築します。
• 状態遷移フレームワーク内の学習可能な摂動は、組み合わせ特徴空間を効率的にナビゲートするために使用されます。

主要な成果:

• GRIDSは、包括的なベンチマークにおいて、既存の方法と比較して優れた説明能力を実証しています。
• GRIDSからのグローバルな説明は、多様な細胞タイプおよび状態にわたる複雑な調節冗長性を明らかにします。
• この方法は、CREの組み合わせ特徴空間を効果的にナビゲートします。

結論:

• GRIDSは、組み合わせシスレギュラトリーエレメント効果を理解するための強力な計算アプローチを提供します。
• この発見は、細胞調節における調節冗長性の重要性を強調しています。
• GRIDSは、遺伝子発現および疾患メカニズムの生物学的研究を大幅に進歩させる可能性を秘めています。