基因表达的预测使用通过粒子优化提取的基因基因修饰模式

科学领域:

• 基因组学就是基因组学.
• 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
• 生物信息学是一种生物信息学.

背景情况:

• 基因转录调节的关键在于基因基因基因转录的修改.
• 之前的机器学习方法往往缺乏可解释性或仅专注于基因素修饰丰度.
• 各种基因组修饰在转录中的确切作用和相互作用仍然是活跃的研究领域.

研究的目的:

• 开发和验证一种机器学习模型,该模型可以根据基因促进器中的基因基因修饰模式预测基因表达.
• 为了调查基因组修饰模式是否比基因丰富性更能预测基因表达.
• 通过解释模型的决策过程,了解转录调节的机制.

主要方法:

• 训练有素的机器学习模型使用基因修饰模式来预测基因表达.
• 采用优化算法来提取具有预测性的基因组修饰配置文件.
• 利用模型可解释性技术来识别影响预测的关键特征.

主要成果:

• PatternChrome算法在二进制分类中获得了0.9029的高曲线下面积 (AUC) 得分,超过了以前的方法.
• 提取的基因组修饰模式在不同样本中表现出普遍性,并且在很大程度上独立于细胞特异性.
• 模型解释证实了现有的知识,并揭示了基斯顿修饰在转录调节中的作用的新方面.

结论:

• 基因促进体中的基因基因修饰模式对基因表达的高度预测性.
• PatternChrome算法为研究转录调节提供了一个强大且易于解释的工具.
• 这些发现强调了表观遗传模式在基因调节中的普遍性.