通过UUATAC-seq和深度学习建模脊椎动物的调节序列格局
Xiaoping Han1, Hanyu Wu1, Xueyi Wang1
1Bone Marrow Transplantation Center of the First Affiliated Hospital, and Center for Stem Cell and Regenerative Medicine, Zhejiang University School of Medicine, Hangzhou 310000, China.
Cell
|July 9, 2025
概括
我们开发了UUATAC-seq来绘制脊椎动物的 cis-regulatory元素 (cCREs). 一个深度学习模型NvwaCE揭示了保存的调节语法, 进步了我们对基因组调节的理解.
科学领域:
- 基因组学
- 分子生物学
- 生物信息学
背景情况:
- 脊椎动物基因组调节序列尚未完全理解.
- 识别和解释c-regulatory元素对于理解基因调节至关重要.
研究的目的:
- 开发一种快速而灵敏的方法来绘制染色体可访问性景观.
- 在各种脊椎动物物种中识别和描述候选的cis-regulatory元素 (cRE).
- 开发一个深度学习模型来解释 cis-regulatory语法和预测 cCREs.
主要方法:
- 使用测序 (UUATAC-seq) 开发了一种超通量,超敏感的单核测定.
- 使用UUATAC-seq对五种代表性脊椎动物的cCREs进行了映射.
- 介绍了Nvwa cis-regulatory element (NvwaCE),这是一个用于cis-regulatory序列解释的深度学习模型.
主要成果:
- UUATAC-seq实现了1天的色素可访问性景观构建.
- 基因组大小会影响物种中cCREs的数量,而不是大小.
- 通过将cCREs组织成功能模块,NvwaCE展示了保存的调控语法.
- 与QTL和基因组编辑数据一致,NvwaCE准确地预测了cCRE功能的突变效应.
结论:
- UUATAC-seq为快速cCRE映射提供了宝贵的资源.
- 调节语法比脊椎动物中的核酸序列更为保守.
- 推进cis-regulatory语言的解释及其功能组织.
