在光感受器中积极学习增强器和消音器调节语法
Ryan Z Friedman1,2, Avinash Ramu1,2, Sara Lichtarge1,2
1The Edison Family Center for Genome Sciences & Systems Biology, Washington University School of Medicine, Saint Louis, MO, 63110.
积极机器学习有效地训练深度学习模型,以使用更少的数据预测 cis-regulatory element (CRE) 功能. 这种方法加速了对基因调节及其在健康和疾病中的作用的理解.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 分子生物学分子生物学
背景情况:
- 基因调节元件 (CREs) 是控制基因表达的重要DNA序列.
- 从DNA序列中准确预测CRE活动对于生物医学研究至关重要.
- 深度学习模型对破译CREs的序列功能关系显示出希望.
研究的目的:
- 以有限的数据开发一种用于训练CRE活动的深度学习模型的方法.
- 应用主动机器学习来有效生成用于CRE函数预测的信息培训数据.
- 为了建模CREs的调控语法,特别是那些具有Cone-rod homeobox (CRX) 转录因子的结合位点的CREs.
主要方法:
- 利用主动机器学习来代训练预测模型.
- 产生了具有特定扰动的合成DNA序列,用于测试哺乳动物视网膜中的CRE活性.
- 采用深度学习来预测基于DNA序列和转录因子结合动机的CRE功能.
主要成果:
- 与传统方法相比,使用数量级较少的培训数据实现了CRE活动的准确预测.
- 证明模型的信心估计可靠地指导具有高监管活动的序列的设计.
- 确定了影响CRE活动的关键序列变化,并揭示了动机顺序和间隔偏好.
结论:
- 主动机器学习是训练cis调节功能的准确深度学习模型的有效策略.
- 这种方法使得高效的模型训练,即使在耗尽自然发生的基因组训练数据.
- 这些发现有助于更深入地了解基因调节及其对健康和疾病的影响.
更多相关视频
09:32Light-mediated Reversible Modulation of the Mitogen-activated Protein Kinase Pathway during Cell Differentiation and Xenopus Embryonic Development
Published on: June 15, 2017
11:36Analyzing Synaptic Modulation of Drosophila melanogaster Photoreceptors after Exposure to Prolonged Light
Published on: February 10, 2017
相关概念视频
Photoreceptors and Visual Pathways
Photoreceptors and Plant Responses to Light
Channel Rhodopsins
Rhodopsins belong to the family of cell surface proteins called G-protein coupled receptors,...
Reporter Genes
Position-effect Variegation
Cooperative Binding of Transcription Regulators
