通过转换器-GAN解码牙周炎中的表观遗传增强剂-促进剂相互作用:用于炎症基因调节和生物标志物的深度学习框架

科学领域:

• 基因组学
• 表观遗传学
• 计算生物学

背景情况:

• 牙周炎的特征是组织破坏和免疫失调.
• 增强剂-促进剂 (E-P) 相互作用对基因调节至关重要,但它们在牙周炎症中的作用尚不清楚.

研究的目的:

• 调查牙周炎中的增强剂-促进剂 (E-P) 监管环境.
• 鉴定导致炎症的基因表达的表观遗传机制.
• 开发一个深度学习框架来分析EP互动.

主要方法:

• 使用匹配的全基因组DNA甲基化和RNA-seq数据.
• 开发并应用了变压器-GAN深度学习模型来预测EP交互.
• 进行功能丰富和网络拓分析以进行验证.

主要成果:

• 变压器-GAN模型实现了强大的预测性能 (AUC-ROC=0.725,AUC-PRC=0.723).
• 确定了262种重要的EP相互作用,其中包括调节关键炎症基因的增强剂 (例如IL-1β,TNF).
• 与临床指数相比,E- P相互作用评分预测了治疗反应 (F1评分=0. 82),五种CpG生物标志物显示了85- 90%的诊断准确性.

结论:

• 综合性转换器-GAN方法阐明了牙周炎中复杂的EP监管网络.
• 这种网络对于炎症基因表达至关重要,
• 确定了牙周炎的新生物标志物和潜在治疗点.