使用深度学习来划分酵母分裂和多化信号
Emily Kunce Stroup1, Zhe Ji2,3
1Department of Pharmacology, Feinberg School of Medicine, Northwestern University, Chicago, Illinois 60611, USA.
Genome research
|June 24, 2024
概括
深度学习模型揭示了酵母mRNA成熟过程中退化的多基化信号. 这些模型揭示了Saccharomyces cerevisiae和Schizosaccharomyces pombe中不同的调节元素,从而改善了对裂变和多化的理解.
科学领域:
- 分子生物学分子生物学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 3'-end 分裂和多化对于真核细胞mRNA成熟至关重要.
- 与哺乳动物系统相比,酵母多基化信号是退化的,理解程度不佳.
研究的目的:
- 开发深度学习模型,用于识别酵母多基化中的退化的cis-regulatory元素.
- 量化这些元素在多样性 (A) 位形成,裂隙异质性和强度中的位置重要性.
主要方法:
- 应用深度学习模型来分析酵母多化信号.
- 退化的cis-regulatory元素的解卷.
- 对多个 (A) 位点特征的位置重要性的量化.
主要成果:
- 在S. cerevisiae中,富含U元素的枯竭和上游富含UA元素促进了裂解异质性,与较低的多元A位点强度相关.
- 位点强度和合位点距离在二氧应力下影响替代多化.
- 在S. pombe poly(A) 位点中,不同的图案配置导致了比S. cerevisiae更精确的切割.
结论:
- 深度学习模型为酵母多样性 (A) 站点形成提供了新的见解.
- 在远距离相关的酵母菌种之间存在多元A) 信号的显著差异.


