基于深度学习的高分辨率时间推断,以破译固定胚胎的动态基因调节

科学领域:

• 发展生物学 发展生物学
• 计算生物学 计算生物学
• 遗传学 遗传学 是一个

背景情况:

• 胚胎发育依赖于具有时空动态的复杂基因调节网络.
• 传统的实体成像方法难以随着时间的推移追踪多个分子物种.
• 固定胚胎成像提供了灵敏度,但缺乏时间分辨率.

研究的目的:

• 开发一种新的计算方法,用于在固定胚胎中精确的时间推理.
• 在没有遗传修饰的情况下研究细分基因的时空调节.
• 揭示转录因子结合驱动的基因表达的动力学.

主要方法:

• 一个多规模的集体深度学习模型被开发出来,可以从固定Drosophila胚胎中的核形态推断出发育时间.
• 进行了固定野生类型胚胎的定量成像.
• 整合了单分子mRNA统计数据的时间解析理论模型.

主要成果:

• 深度学习方法实现了1分钟的分辨率,用于绝对发育时间推断.
• 通过多重转录因子 (TF) 解决了克鲁佩尔 (Kr) 基因的时空调节问题.
• 发现了巴 (hb) 基因的不稳定状态,突发动力学,由动态TF结合驱动.

结论:

• 开发的深度学习框架准确地从固定的胚胎图像中推断出发育时间.
• 这种方法使得研究基因调节网络的动态在基因未经改造的生物.
• 这些发现为早期发育过程中基因调节的复杂动力学提供了新的见解.