多组织个人表观基因组和变异影响模型的EN-TEx资源
Joel Rozowsky1, Jiahao Gao2, Beatrice Borsari3
1Section on Biomedical Informatics and Data Science, Yale University, New Haven, CT, USA; Program in Computational Biology and Bioinformatics, Yale University, New Haven, CT, USA; Department of Molecular Biophysics and Biochemistry, Yale University, New Haven, CT, USA.
在二倍体基因组中,EN-TEx资源将基因变异映射到异位基因特异性活性. 这使得基因表达的准确预测,并将变体与个性化功能基因组学的疾病关联联系起来.
科学领域:
- 基因组学
- 分子生物学
- 生物信息学
背景情况:
- 功能性基因组学旨在将遗传变异与分子表型联系起来.
- 目前的方法仅限于使用单一的单 haploid 基因组.
- 对于个性化医疗来说,了解特定的基因调节至关重要.
研究的目的:
- 介绍EN-TEx资源,这是一个功能性基因组学数据的全面集合.
- 开发用于分析双倍基因组中的等位基因特异性活性的方法.
- 探索遗传变异对分子表型和疾病关联的影响.
主要方法:
- 来自四个捐赠者的各种组织和检测的1,635个开放式数据集的生成.
- 使用长读相和结构变异识别将数据集映射到匹配的双倍基因组中.
- 开发一个深度学习的转换器模型,从序列上下文预测基因特异性活动.
主要成果:
- 创建一个超过100万个具有协调性单基因活动的单基因特定位点的目录.
- 对影响等位基因特异性基因表达的变异敏感的序列动机的识别.
- 在基因特异位点,GWAS位点和eQTL之间显示强烈的关联.
- 开发用于将eQTL信息传输到缺少配置的组织的模型.
结论:
- EN-TEx为研究双倍基因组中的等位基因特异性基因调节提供了宝贵的资源.
- 基于序列上下文的预测模型可以准确地捕获等位基特定活动.
- 该资源有助于将功能基因组学数据与遗传关联研究整合起来,以更好地了解疾病.
- 能更准确地进行个性化功能基因组学和疾病风险预测.
更多相关视频
09:37Navigating MARRVEL, a Web-Based Tool that Integrates Human Genomics and Model Organism Genetics Information
Published on: August 15, 2019
09:34Targeted Next-generation Sequencing and Bioinformatics Pipeline to Evaluate Genetic Determinants of Constitutional Disease
Published on: April 4, 2018
相关概念视频
Genomics
Genome-wide Association Studies-GWAS
GWAS does not require the identification of the target gene involved in...
Epigenetic Regulation
X-chromosome...
