评估用于预测哺乳动物皮层中细胞类型特定增强剂的方法

科学领域:

• 神经科学是一个神经科学.
• 基因组学就是基因组学.
• 计算生物学 计算生物学

背景情况:

• 识别细胞类型特定的增强剂对于开发研究哺乳动物大脑的遗传工具至关重要.
• 计算增强器预测方法已经在果中得到验证,但尚未在哺乳动物大脑中得到验证.

研究的目的:

• 评估机器学习和基于特征的方法,用于预测小鼠皮质中的功能性细胞类型特定增强剂.
• 在哺乳动物大脑研究中建立增强器优先级算法的基准.

主要方法:

• 大脑倡议细胞普查网络 (BICCN) 挑战组织了计算方法的评估.
• 方法的评估是使用在体内验证数据从数百个验证的皮质细胞类型特定增强剂注射到小鼠.
• 对机器学习和基于特征的方法进行了比较,以确定它们提名增强器DNA序列的能力.

主要成果:

• 开放的染色质区域被确定为功能增强剂的关键预测因素.
• 序列模型改善了对非功能增强剂的预测,允许降低优先级.
• 序列模型揭示了 in silico增强剂设计的细胞类型特定的转录因子代码.

结论:

• 这项挑战为哺乳动物皮层细胞类型的增强剂优先级算法建立了基准.
• 计算方法和分子信息对于识别功能增强剂至关重要.
• 这些发现促进了对哺乳动物皮层基因调节格局的理解,以及针对性遗传工具的设计.