预测非编码变异对基因表达的调控影响,通过跨组织和单细胞格局的表观基因组合来预测
Zhe Liu1, Yihang Bao1, An Gu1
1Shanghai Mental Health Center, Shanghai Jiao Tong University School of Medicine, School of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai, China.
新的人工智能模型EMO通过整合DNA序列和染色质数据来预测遗传突变如何影响基因表达. 这种工具可以在各种组织和细胞类型中进行个性化,特定于疾病的预测.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 非编码突变显著影响基因表达,但很难预测它们在不同细胞类型的功能影响.
- 目前的方法缺乏为非编码变异效应提供个性化或疾病特定预测的能力.
研究的目的:
- 开发一种基于变压器的新型模型,EMO,用于预测非编码单核酸多形态对基因表达的监管影响.
- 通过整合功能性基因组资料,实现个性化和疾病上下文预测.
主要方法:
- EMO将DNA序列信息与染色体可访问性数据 (通过测序对转移酶可访问性染色体的测试) 集成在一起.
- 该模型结合了个性化的功能基因组资料,并模拟了短期和长期的监管相互作用.
- 采用预训练和微调策略来提高不同组织和细胞类型的模型性能.
主要成果:
- 在基准评估中,EMO与现有模型相比表现优越.
- 对小样本组织的微调改进了模型预测目标组织基因表达的能力.
- 该模型准确地确定了细胞类型特定的调节模式,并在单细胞环境中捕获了与疾病相关的变异效应.
结论:
- EMO提供了一个强大的框架,以高准确性和通用性预测非编码变体的监管效应.
- 该模型能够纳入个性化数据和模拟复杂的监管相互作用的能力,推动了功能基因组学领域的发展.
- EMO有可能将遗传变异与疾病相关途径联系起来,并改善我们对遗传疾病机制的理解.
更多相关视频
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
10:46Dissection of Enhancer Function Using Multiplex CRISPR-based Enhancer Interference in Cell Lines
Published on: June 2, 2018
相关概念视频
Epigenetic Regulation
X-chromosome...
Epigenetic Regulation
Regulation of Expression at Multiple Steps
Regulation of Expression Occurs at Multiple Steps
Regulation of Expression Occurs at Multiple Steps
Transcription results in the generation of precursor (pre-mRNA) that consists of both exons and introns, which needs further processing before being translated to a...
What is Gene Expression?
