使用DeepSEED进行深度侧翼序列工程,以实现高效的促销器设计
Pengcheng Zhang1, Haochen Wang1, Hanwen Xu1
1Ministry of Education Key Laboratory of Bioinformatics; Center for Synthetic and Systems Biology; Bioinformatics Division, Beijing National Research Center for Information Science and Technology; Department of Automation, Tsinghua University, Beijing, China.
一个人工智能框架DeepSEED通过整合专家知识和深度学习来设计合成促进器. 它通过揭示隐含的序列特征来改善促进子特性,推进合成生物学应用.
科学领域:
- 合成生物学 合成生物学
- 计算生物学是一种计算生物学.
- 基因组学就是基因组学.
背景情况:
- 促进器设计对于合成生物学至关重要,传统上依赖于已知的转录因子结合位 (TFBS).
- 经常被忽视的cis-regulatory元素的侧面序列,但影响促进器功能.
- 深度学习擅长识别大型生物数据集中的复杂模式.
研究的目的:
- 引入DeepSEED,这是一个人工智能辅助的框架,用于高效的合成促进器设计.
- 利用深度学习来揭示侧面序列在促进器属性的作用.
- 改进各种生物系统中现有的促进器设计.
主要方法:
- 开发了DeepSEED,这是一个结合专家知识和深度学习的AI框架.
- 应用DeepSEED来设计大肠杆菌和哺乳动物细胞的合成促进剂.
- 在侧边区域分析隐性序列特征,包括k-mer频率和DNA形状.
主要成果:
- DeepSEED成功地改善了构成性,IPTG诱导性和Dox诱导性促进体的特性.
- 该框架证明了侧边序列在确定促销者特征中的重要性.
- 鉴定了DeepSEED捕获的隐性序列特征,例如k-mer频率和DNA形状.
结论:
- 通过整合人工智能和生物专业知识,DeepSEED提供了一种高效的合成促进器设计方法.
- 这项研究强调了侧翼序列的重要性,这些序列在推广器工程中以前被低估了.
- 隐性序列特征的AI驱动分析可以显著提高功能合成促进体的设计.
更多相关视频
09:06High-throughput Identification of Gene Regulatory Sequences Using Next-generation Sequencing of Circular Chromosome Conformation Capture 4C-seq
Published on: October 5, 2018
10:16Promoter Capture Hi-C: High-resolution, Genome-wide Profiling of Promoter Interactions
Published on: June 28, 2018
相关概念视频
The Eukaryotic Promoter Region
Conservative Site-specific Recombination and Phase Variation
The recognition sites for Cre recombinase called LoxP...
Next-generation Sequencing
Next-Generation Sequencing Methods
Although all next-generation methods use different technologies, they all share a set of standard features....
Cis-regulatory Sequences
