通过大型语言模型预测TET和DNMT3淘汰突变体中的差异甲基化细胞因子
Saleh Sereshki1, Stefano Lonardi1
1Department of Computer Science and Engineering, University of California, Riverside, 900 University Ave, Riverside, CA 92521, United States.
Briefings in bioinformatics
|March 13, 2025
概括
研究人员开发了一种机器学习模型L-MAP,用于预测DNA中的差异甲基化细胞因子 (DMC). 这个工具有助于通过识别关键序列动机来理解干细胞中的动态DNA甲基化变化.
科学领域:
- 表观遗传学和基因组学
- 计算生物学和生物信息学
背景情况:
- 基因组甲基化是调节细胞过程的关键表观遗传标记物,在特定的基因组区域 (如促进剂和增强剂) 观察到动态变化.
- 像DNMT3和TET这样的酶是推动这些动态DNA甲基化变化的复杂机制的核心.
研究的目的:
- 设计和验证一种机器学习模型,从DNA序列中准确预测差异甲基化细胞因子 (DMCs).
- 调查开发的模型的跨物种和跨酶预测能力.
主要方法:
- 介绍L-MAP,一个基于变压器的大型语言模型.
- 在人类和小鼠胚胎干细胞中对DNMT3和TET淘汰实验的数据进行L-MAP培训.
- 实验验证L-MAP的预测准确性和跨物种和跨酶可转移性的探索.
主要成果:
- 在预测差异甲基化细胞因子 (DMCs) 方面,L-MAP表现出高准确性.
- 该模型显示了在不同物种 (人/老鼠) 和酶淘汰 (DNMT3/TET) 中预测DMC的潜力.
- L-MAP成功地确定了与DNMT3和TET酶活性相关的已知和新型序列动机.
结论:
- L-MAP是预测差异甲基化细胞因子 (DMCs) 的准确工具,为DNA甲基化动态提供了洞察力.
- 鉴定的序列动图为干细胞中DNA甲基化调节提供了新的视角.
- 该模型的功能扩展到了解跨不同生物背景的表观遗传机制.
更多相关视频
10:33Efficient Purification and LC-MS/MS-based Assay Development for Ten-Eleven Translocation-2 5-Methylcytosine Dioxygenase
Published on: October 15, 2018
8.1K
06:07Continuous Fluorescence-Based Endonuclease-Coupled DNA Methylation Assay to Screen for DNA Methyltransferase Inhibitors
Published on: August 5, 2022
2.5K
