MomicPred:一个基于双分支多模式特征融合的细胞周期预测框架,用于单细胞多态数据的单细胞多态数据

科学领域:

• 细胞生物学 细胞生物学
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 细胞循环对细胞命运和干细胞分化至关重要,影响组织恒温.
• 精确的细胞循环调节对于维持细胞多样性至关重要.
• 单细胞多组技术通过整合基因表达和染色质数据,为改善细胞周期预测提供了潜力.

研究的目的:

• 开发一个先进的计算框架来预测细胞周期动态.
• 为了有效地整合转录组和3D基因组数据,以提高细胞周期预测.
• 在细胞循环调节中发现基因表达和染色质结构之间的跨层关联.

主要方法:

• 提出MomicPred,一个双分支多模式融合框架.
• 综合转录组衍生基因表达数据与3D基因组结构见解.
• 提取了三个核心特征集,以捕捉omics模式之间的协同相互作用.

主要成果:

• 通过利用互补的多omics数据,实现了高精度的细胞周期预测.
• 通过基准测试证明了MomicPred的效率和稳定性.
• 识别了不同细胞周期阶段的关键生物过程和染色质结构变化.

结论:

• MomicPred提供了一种新的方法,可以使用集成的多omics数据来预测细胞周期动态.
• 该框架为基因表达和染色体结构之间的相互作用提供了新的视角.
• 这些发现有助于更深入地了解干细胞分化和组织平衡中的细胞循环调节.