相关实验视频
Updated: May 9, 2026
11:26
Single-cell RNA-Seq of Defined Subsets of Retinal Ganglion Cells
Published on: May 22, 2017
13.7K
机器学习预测非编码变体在细胞类特定的人类视网膜Cis-调控元素中的影响
Leah S VandenBosch1, Timothy J Cherry1,2,3
1Center for Developmental Biology and Regenerative Medicine, Seattle Children's Research Institute, Seattle, WA, USA.
bioRxiv : the preprint server for biology
|March 10, 2025
概括
机器学习模型预测遗传变异如何影响遗传性视网膜疾病 (IRD). 使用单核表观遗传学数据,这些模型准确地识别引起疾病的调节变异,以更快地诊断患者.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 眼科医生 眼科 眼科
背景情况:
- 在cis-regulatory元素 (CREs) 中的非编码变异与遗传性视网膜疾病 (IRD) 有关.
- 这些调控变异的功能性表征是遗传研究中的一个重大挑战.
- 识别与疾病相关的变体需要强大的预测工具.
研究的目的:
- 开发机器学习 (ML) 模型来预测非编码变体对视网膜CREs的功能影响.
- 加强与IRD相关的变体的识别和优先级.
- 为了利用单核ATAC-seq数据进行细胞类特定变异影响预测.
主要方法:
- 实施了一个有间隙的k-mer支向量机 (SVM) 方法.
- 从人类视网膜细胞类中使用单核ATAC-seq数据训练了18种不同的ML模型.
- 预测变异对39437个细胞类特定的监管元素的影响.
主要成果:
- ML模型实现了超过90%的准确性,具有高细胞类特异性.
- 变异影响预测 (VIP) 评分在CREs中确定了特定的序列,包括对突变敏感的转录因子 (TF) 结合基因.
- VIP评分在单核酸变异和indels的大规模并行报告员测定中显示出预测价值.
结论:
- 单核表观遗传学数据可以有效预测非编码序列变异的功能影响.
- 开发的ML模型和VIP评分可以快速对患者变异进行功能分析.
- 这种方法促进了对IRDs遗传贡献的理解.
