PTFSpot:关于转录因子及其结合区域的深度共同学习在植物中实现了无可挑的普遍性
Sagar Gupta1,2, Veerbhan Kesarwani1,2, Umesh Bhati1,2
1Studio of Computational Biology & Bioinformatics, The Himalayan Centre for High-throughput Computational Biology, (HiCHiCoB, A BIC supported by DBT, India), Biotechnology Division, CSIR-Institute of Himalayan Bioresource Technology (CSIR-IHBT), Palampur, Himachal Pradesh 176061, India.
PTFSpot是一个新的深度学习工具,可以准确识别植物转录因子结合区域 (TFBR). 它克服了现有软件的局限性,使各种植物物种的通用TF-DNA相互作用建模成为可能.
科学领域:
- 植物分子生物学 植物分子生物学
- 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:
- 鉴定植物转录因子结合区域 (TFBR) 是具有挑战性的,因为高跨物种的变异性.
- 现有的TFBR预测软件经常失败,阻碍了植物监管研究,并促进了对有限模型物种的依赖.
- 这导致植物基因组学发展不足和潜在的误导性结果.
研究的目的:
- 开发一种通用TF-DNA相互作用模型,用于在植物中准确检测TFBR.
- 克服目前软件中TF和物种特定模型的局限性.
- 为了在没有事先的TF信息的情况下,在各种植物基因组中实现准确的TFBR注释.
主要方法:
- 开发了一种基于变压器的深度学习方法,命名为PTFSpot.
- PTFSpot从转录因子 (TF) 结构及其结合区域的共变性中学习.
- 该模型使用多个经过实验验证的数据集进行了基准测试.
主要成果:
- PTFSpot的性能超过了现有的TFBR查找软件的30%以上.
- 实现一致的>90%准确性,即使对于新物种和不包括在培训中的TF家族.
- 证明了在任何植物基因组中准确注释TFBR的能力.
结论:
- PTFSpot为植物TFBR检测提供了一个革命性的,通用解决方案.
- 深度学习方法使TFBR注释从物种和TF特定模型约束中解放出来.
- 允许精确的全基因组TFBR注释,推进植物监管研究.
更多相关视频
12:36Chromatin Immunoprecipitation Assay for the Identification of Arabidopsis Protein-DNA Interactions In Vivo
Published on: January 14, 2016
11:33Investigating Interactions Between Histone Modifying Enzymes and Transcription Factors in vivo by Fluorescence Resonance Energy Transfer
Published on: October 14, 2022
相关概念视频
Cooperative Binding of Transcription Regulators
Transcription Factors
General Transcription Factors
Co-activators and Co-repressors
Master Transcription Regulators
Cell Signaling in Plants
