相关实验视频
Updated: Sep 11, 2025

Using SCOPE to Identify Potential Regulatory Motifs in Coregulated Genes
Published on: May 31, 2011
扩大转录监管代码的DNA动机词典
Jingyu Fan1, Virendra K Chaudhri1, Deepa Bisht2,3
1Center for Systems Immunology and the Departments of Immunology and Computational and Systems Biology, University of Pittsburgh, PA, USA.
研究人员开发了一种新的框架,用于发现和分析甲动物DNA中的复合元素 (CE). 这种方法使用计算,实验和深度学习来更好地了解基因调节和遗传变异的影响.
科学领域:
- 基因组学就是基因组学.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 甲基动物中的转录调节序列具有复杂的转录因子 (TF) 图案安排.
- 简单图案的立体特异安排形成复合元素 (CE),对DNA-蛋白相互作用特异性和组合基因调节至关重要.
- 尽管CE具有重要意义,但人们对其并不完全了解.
研究的目的:
- 推进复合元件 (CE) 的发现和功能表征.
- 为CE分析开发一个综合框架,将计算预测,实验验证和深度学习相结合.
- 扩大TF动机的目录,包括支持证据的协同和抵消CE.
主要方法:
- 开发一个CE发现和表征的综合框架.
- 创建一个扩展的TF图案目录与实验验证 (体内和体外TF结合).
- 训练深度学习模型 (GRACE) 在定制大规模并行报告员测试中进行单核酸分辨率CE词典学习.
- 通过对染色体可访问性数据进行训练的神经网络模型进行比较分析.
主要成果:
- 创建了一个扩展的协同作用和抵消作用的CE目录,得到了TF有约束力的证据的支持.
- 在GRACE深度学习模型成功地学习了CE的词汇在单核酸分辨率.
- 对比分析显示了深度学习和染色体可访问性模型之间的趋同和区别,增强了监管词汇的理解.
- 能够共同预测基因贡献和变异对染色体结构和转录活性的影响.
结论:
- 综合框架显著推进了CE发现和功能表征.
- 深度学习模型可以有效地从实验数据中学习复杂的监管词汇.
- 扩展的调控词汇提供了对基因调控和基因变异在不同细胞环境中的功能影响的更深入的见解.
更多相关视频
09:26DNA-Tethered RNA Polymerase for Programmable In vitro Transcription and Molecular Computation
Published on: December 29, 2021
11:35Screening for Functional Non-coding Genetic Variants Using Electrophoretic Mobility Shift Assay EMSA and DNA-affinity Precipitation Assay DAPA
Published on: August 21, 2016
相关概念视频
Cooperative Binding of Transcription Regulators
RNA Polymerase II Accessory Proteins
Eukaryotic Transcription Activators
The binding domains are capable of recognizing and interacting with regulatory sequences on the DNA. These...
Cis-regulatory Sequences
Co-activators and Co-repressors
Transcription Factors