评估用于预测哺乳动物皮层中细胞类型特定增强剂的方法

科学领域:

• 神经科学是一个神经科学.
• 基因组学就是基因组学.
• 计算生物学 计算生物学

背景情况:

• 确定细胞类型特定的增强剂对于理解哺乳动物大脑功能和开发遗传工具至关重要.
• 大脑倡议细胞普查网络 (BICCN) 组织了一个挑战,以推进增强器预测方法.

研究的目的:

• 评估机器学习和基于特征的方法来预测小鼠皮质中的功能性,细胞类型特定的增强剂.
• 通过跨物种多omics数据建立增强剂优先级的基准.

主要方法:

• 评估了各种计算方法,使用数百种由腺相关病毒 (AAV) 产生的增强剂的体内验证数据.
• 分析了诸如开放色素和序列特征等特征的预测能力.
• 利用序列模型来识别细胞类型特定的转录因子代码.

主要成果:

• 开放的染色体区域是功能增强剂最强的预测因素.
• 序列模型增强了对非功能增强剂的预测.
• 已识别的转录因子代码对细胞类型特定的增强器功能至关重要.

结论:

• 这个挑战为哺乳动物皮层中增强器预测和优先考虑提供了一个基准.
• 计算和分子特征对于识别功能性皮质增强剂至关重要.
• 增强剂识别方面的进展将有助于绘制和操纵大脑中的基因调节.