深度学习预测特定脑细胞类型中的DNA甲基化调节变异,并增强对脑部疾病的精细映射
Jiyun Zhou1, Daniel R Weinberger1,2,3,4,5, Shizhong Han1,2,3
1Lieber Institute for Brain Development, Johns Hopkins Medical Campus, Baltimore, MD, 21287, USA.
bioRxiv : the preprint server for biology
|January 31, 2024
概括
我们开发了INTERACT,这是一种深度学习模型,可以预测特定脑细胞类型中的DNA甲基化调节变异. 这种工具提高了对精神分裂症和阿尔茨海默氏症等脑部疾病遗传影响的理解.
科学领域:
- 神经科学是一个神经科学.
- 遗传学 遗传学 是一个
- 计算生物学 计算生物学
背景情况:
- DNA甲基化 (DNAm) 对大脑发育和功能至关重要.
- DNAm可能会调解大脑疾病的遗传风险.
- 鉴定细胞类型特定的监管变异是具有挑战性的.
研究的目的:
- 开发一种深度学习模型 (INTERACT) 来预测细胞类型特定的DNA甲基化调控变异.
- 为了利用来自人类大脑的单核DNAm数据.
- 提高对脑部疾病遗传贡献的理解.
主要方法:
- 开发了基于变压器的深度学习模型INTERACT.
- 利用来自人类大脑的单核DNAm数据.
- 根据已知的细胞类型特定的DNAm配置文件进行验证的预测.
主要成果:
- 互动可以准确地预测细胞类型特定的DNAm配置文件 (AUROC为0.98).
- 识别了特定于细胞类型的DNAm调控变异,反映了细胞背景.
- 在相关细胞类型中证明了大脑特征的遗传能力的丰富.
结论:
- 互动有效地识别细胞类型特定的DNAm调节变异.
- 纳入INTERACT预测可以提高对精神分裂症,抑郁症和阿尔茨海默病遗传风险的精细绘制.
- 这种方法有助于将因果基因映射到特定的大脑细胞类型中,从而推进复杂的特征遗传学.
更多相关视频
11:19Correlating Gene-specific DNA Methylation Changes with Expression and Transcriptional Activity of Astrocytic KCNJ10 Kir4.1
Published on: September 26, 2015
8.0K
13:21Comprehensive DNA Methylation Analysis Using a Methyl-CpG-binding Domain Capture-based Method in Chronic Lymphocytic Leukemia Patients
Published on: June 16, 2017
10.0K
