预测发芽酵母中的动态表达模式,使用真菌DNA语言模型
Kuan-Hao Chao1,2, Majed Mohamed Magzoub3, Emily Stoops3
1Department of Computer Science, Johns Hopkins University, Baltimore, MD 21218, USA.
bioRxiv : the preprint server for biology
|September 26, 2025
概括
我们开发了Shorkie,一种新的DNA语言模型,用于从DNA序列中预测基因表达. 这种模型显著增强了基因表达预测和变异效应分析,推进了我们对基因调节的理解.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 分子生物学分子生物学
背景情况:
- 由于复杂的调节机制,从DNA预测基因表达是复杂的.
- 了解基因调节对于破译非编码变异效应和生物网络至关重要.
研究的目的:
- 为改进基因表达预测开发一种新的DNA语言模型.
- 为了获取相关物种中保存的监管语法,以提高模型性能.
- 准确预测DNA序列变异对基因表达的功能影响.
主要方法:
- 在165个真菌基因组上训练一个面具DNA语言模型.
- 使用酵母RNA-seq数据和时间过程诱导实验微调语言模型.
- 评估基因表达预测,cis-eQTL分类和大规模并行记者测试的模型性能.
主要成果:
- 与基线模型相比,Shorkie模型显著改善了基因表达预测.
- 肖尔基确定了转录因子结合动机,并跟踪了它们在诱导过程中的使用.
- 该模型准确地预测了变体效应,超过了现有的序列表达模型.
结论:
- 进化规模的预训练与转移学习相结合,增强了从序列对基因调节的解码.
- 肖尔基为促进者动态,拼接和监管动机活动提供了宝贵的见解.
- 这一框架推动了对非编码变体和复杂的监管网络的研究.


