在基因组中使用混合深度学习预测模型识别独特的暴露特异性跨代差异性DNA甲基化区域表皮
Pegah Mavaie1, Lawrence Holder1, Michael Skinner2
1School of Electrical Engineering and Computer Science, Washington State University, Pullman, WA 99164-2752, USA.
Environmental epigenetics
|December 22, 2023
概括
环境中有毒物质会导致表皮和DNA甲基化变化. 一种深度学习模型识别出独特的毒素特异性表观遗传标记,揭示暴露与疾病易感性之间的联系.
科学领域:
- 环境表观遗传学环境表观遗传学
- 计算毒理学计算毒理学
- 基因组学就是基因组学.
背景情况:
- 环境毒素诱导全基因组表皮和差异性DNA甲基化区域 (DMR),增加疾病易感性.
- 特定毒素对基因组的独特表观遗传影响仍未得到充分研究,原因是每种毒素观察到的DMR数量很少.
研究的目的:
- 开发一种计算方法来预测暴露特定的DMR.
- 识别与个别环境毒素相关的独特表观遗传标记.
- 探索暴露于有毒物质对表观基因组的跨代影响.
主要方法:
- 经过验证的混合深度学习交叉暴露预测模型被训练为每个有毒物质暴露.
- 该模型预测了整个基因组中的暴露特定的DMR.
- 用可视化,DNA序列模式匹配和基因关联来分析预测的DMR.
主要成果:
- 该研究成功预测了暴露特定的DMR,使得识别单个毒性物质的独特标志物成为可能.
- 分析揭示了特定毒素及其独特的基因组影响之间的已知和新兴关联.
- 这些发现表明,有可能定义暴露特异性的表观遗传标记,并评估不同毒素的相对影响.
结论:
- 开发了一种计算方法来预测暴露特异性的跨代表皮.
- 这种方法支持祖先对表观基因组的毒性作用的特异性.
- 这为预测的DMR位点提供了有价值的表观基因组信息,有助于了解毒剂诱导的疾病易感性.
