相关实验视频
Updated: Jun 11, 2025
11:03
Massively Parallel Reporter Assays in Cultured Mammalian Cells
Published on: August 17, 2014
21.5K
解码生物学与大规模并行记者分析和机器学习
Alyssa La Fleur1, Yongsheng Shi2, Georg Seelig3,4
1Paul G. Allen School of Computer Science and Engineering, University of Washington, Seattle, Washington 98195, USA.
Genes & development
|October 3, 2024
概括
大规模并行报告测试 (MPRA) 量化了序列变异对基因表达的影响. 来自MPRA数据的机器学习模型预测监管代码,并指导合成生物学和基因治疗应用.
科学领域:
- 基因组学就是基因组学.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 大规模并行报告测试 (MPRA) 对于理解基因表达调节至关重要.
- 高通量测序允许对序列变化影响进行大规模分析.
- 机器学习 (ML) 模型可以整合MPRA数据进行预测洞察.
研究的目的:
- 审查在剖析基因表达中的cis-regulatory MPRAs的应用.
- 突出ML在解释MPRA数据和预测监管序列方面的作用.
- 讨论MPRA和ML在合成生物学和治疗开发中的实用性.
主要方法:
- MPRAs使用测序来测量分子表型.
- 在MPRA数据集上训练ML模型,以学习cis-regulatory代码.
- 本综述综合了使用MPRAs用于各种基因调节过程的研究结果.
主要成果:
- MPRAs可以在全基因组范围内对序列变异效应进行质询.
- 机器学习模型将MPRA发现概括为预测新序列的功能.
- 通过集成的MPRA和ML方法来实现对cis-regulatory代码的定量理解.
结论:
- MPRA与ML相结合,为了解基因调节提供了强大的工具.
- 这些方法促进了变体分层和合成监管元素的设计.
- 应用范围包括合成生物学,mRNA疗法和基因疗法.
