通过深度学习预测表达改变促进子突变
Kishore Jaganathan1, Nicole Ersaro1, Gherman Novakovsky1
1Illumina Artificial Intelligence Laboratory, Illumina, Inc., San Diego, CA, USA.
Science (New York, N.Y.)
|May 29, 2025
概括
一个新的深度神经网络,PromoterAI,识别了导致罕见遗传疾病的非编码促进体变异. 这些变异影响基因表达,并处于负选择状态,解释了罕见疾病的遗传负担的6%.
科学领域:
- 遗传学
- 生物信息学
- 基因组学
背景情况:
- 只有少数罕见的遗传疾病被诊断出来.
- 在非编码DNA序列中可能存在未被识别的致病变体.
研究的目的:
- 开发一个深度神经网络,PromoterAI,用于识别失调基因表达的非编码促进体变体.
- 评估这些变异对基因表达及其在罕见疾病中的作用.
主要方法:
- 开发了一种深度神经网络,用于预测表达改变的促进体变体.
- 分析了成千上万个人的RNA和蛋白质表达数据.
- 研究了对这些变体的负选择.
- 使用报告测试验证功能影响.
主要成果:
- 激发器AI准确地识别了非编码激发器变体.
- 预测表达改变后果的变体显示异常表达水平.
- 这些变种在人类群体中受到强烈的负面选择.
- 罕见疾病患者的临床相关基因对这些变异具有丰富性.
结论:
- 非编码促进体变异对罕见的遗传疾病有显著的贡献.
- 促进器AI是诊断罕见遗传疾病的宝贵工具.
- 发起者变异约占罕见疾病遗传负担的6%.
