通过使用SVEN的混合序列导向模型量化遗传变异的调节潜力
Yu Wang1,2, Nan Liang1, Ge Gao3,4
1State Key Laboratory of Protein and Plant Gene Research, School of Life Sciences, Biomedical Pioneering Innovative Center (BIOPIC) and Beijing Advanced Innovation Center for Genomics (ICG), Center for Bioinformatics (CBI), Peking University, 100871, Beijing, China.
科学家们开发了一种新的计算工具SVEN,用于预测由非编码遗传变异引起的基因表达变化. 这一进步有助于理解功能性基因组和解释与疾病相关的遗传变异.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 人类遗传学 人类遗传学
背景情况:
- 解读非编码DNA在基因表达中的作用对于理解功能性基因组至关重要.
- 非编码基因变异对转录的影响仍然是人类遗传学和精准医学的一个重大挑战.
研究的目的:
- 开发一种用于预测组织特异性基因表达水平的计算工具.
- 量化不同人类组织和细胞系的结构变异的转录效应.
- 为了实现全基因组疾病相关遗传变异的in silico分析和解释.
主要方法:
- 整合监管特定的神经网络和组织特定的梯度增强树.
- 开发SVEN,一种混合序列导向架构.
- 从个人和临床数据库 (ClinVar) 中选大规模结构变异数据集.
主要成果:
- SVEN准确地预测组织特定的基因表达水平.
- 对350多种组织和细胞系的结构变异的转录基因影响量化.
- 提供了结构变异对人口水平转录基因影响的概述.
- 证明了SVEN能够预测小型非编码变体的监管影响的能力.
结论:
- SVEN提供了一种强大的方法来分析非编码遗传变异的功能后果.
- 该工具有助于更深入地了解结构变异对基因表达的影响.
- 预计SVEN将在人类疾病研究和精准医学中增强基因变异的解释.
更多相关视频
10:05Visualization of Protein-protein Interaction in Nuclear and Cytoplasmic Fractions by Co-immunoprecipitation and In Situ Proximity Ligation Assay
Published on: January 16, 2017
08:02Determination of Immune Cell Identity and Purity Using Epigenetic-Based Quantitative PCR
Published on: February 19, 2020
相关概念视频
Hybrid Zones
Cis-regulatory Sequences
Genetic Screens
Forward genetic screens
Forward or “classical” genetic screens involve creating random mutations in an organism’s DNA using radiation, mutagens, or insertion of additional bases, which result in visible changes...
Cis-regulatory Sequences
Principles of Pharmacogenetics: Types of Genetic Variants
