m6ATM:一种深度学习框架,用于用纳米孔长时间读取的RNA序列数据去神秘化m6A表写体
Boyi Yu1, Genta Nagae2, Yutaka Midorikawa3
1Advanced Data Science Division, Research Center of Advanced Science and Technology, The University of Tokyo, 4-6-1 Komaba, Meguro-ku 153-8904, Tokyo, Japan.
Briefings in bioinformatics
|October 22, 2024
概括
在信使RNA中绘制N6-甲基氨酸 (m6A) 映射对于理解它在疾病中的作用至关重要. 一个名为m6ATM的新工具使用直接RNA测序数据的深度学习来准确检测m6A位点,从而推进表观转录学研究.
科学领域:
- 史诗转录组学 史诗转录组学
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- N6-甲基氨酸 (m6A) 是一种关键的RNA修饰,参与生物过程和疾病.
- 准确的全转录组m6A分析对于研究至关重要.
- 直接RNA测序 (DRS) 显示了RNA修饰检测的潜力,但数据解释具有挑战性.
研究的目的:
- 使用DRS数据开发一个计算管道,用于精确的m6A位点检测.
- 在单基分辨率下对m6A表谱组进行表征.
主要方法:
- 介绍了基于Python的m6A转录组全方位映射器 (m6ATM),一个基于Python的管道.
- 深度神经网络的应用,包括WaveNet编码器和双流多实例学习.
- 使用牛津纳米孔技术直接RNA测序 (DRS) 数据.
主要成果:
- m6ATM在体外数据集上实现了高精度 (80%-98%).
- 在与人类细胞系数据的基准测试中表现优于现有的工具.
- 证明能够提供固体测量信息,并确定PEG10作为肝癌中潜在的m6A标.
结论:
- m6ATM是用于m6A检测的高性能工具.
- 该工具有助于进步的表皮转录组研究.
- 能够精确地绘制m6A修饰的疾病相关研究.
