从单细胞数据绘制增强剂基因调控相互作用的地图
bioRxiv : the preprint server for biology
|November 28, 2024
概括
我们开发了scE2G,这是一种新的机器学习模型,可以使用单细胞数据预测增强剂基因相互作用. 这种工具准确地绘制了基因调节的地图,有助于理解复杂的特征和疾病.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
背景情况:
- 绘制增强剂-基因相互作用的地图对于理解基因调节和疾病遗传学至关重要.
- 从单细胞数据准确预测这些相互作用仍然是一个重大挑战.
研究的目的:
- 引入scE2G,这是一个新的分类模型家族,用于预测增强剂-基因调控相互作用.
- 为了提高预测准确性,利用单细胞ATAC-seq和多原子数据.
主要方法:
- 开发了scE2G,这是一个在大型CRISPR扰动数据集 (>10,000个元素-基因对) 上训练的分类模型.
- 从单细胞ATAC-seq和多原子RNA和ATAC-seq数据中利用了特征.
- 针对CRISPR扰动,精细映射的eQTL和GWAS变异基因关联的基准 scE2G.
主要成果:
- scE2G在预测不同细胞类型和扰乱类别的增强剂基因相互作用方面展示了最先进的性能.
- 应用scE2G来绘制异质组织中的调节相互作用.
- 确定了INPP4B和IL15等基因与淋巴细胞计数之间的潜在调节联系.
结论:
- scE2G模型为准确的增强剂-基因相互作用映射提供了强大的工具.
- 这种方法有助于解释与复杂的人类特征相关的非编码变体.
- 这些模型可以在数千种人类细胞类型中构建调节图.


