G4STAB:一种多输入深度学习模型,基于序列和盐度来预测G-四重复热力学稳定性

科学领域:

• 基因组学就是基因组学.
• 生物物理学的生物物理.
• 计算生物学 计算生物学

背景情况:

• G四重复 (G4s) 是关键的非正规DNA结构,影响基因调节和稳定.
• G4热力学稳定性是它们生物作用的关键,但难以准确预测.
• 现有的G4稳定性模型缺乏适应多种拓和环境因素的适应性,例如离子度和pH值.

研究的目的:

• 开发一种新的深度学习模型,G4STAB,用于准确预测DNA G-四倍体融温度.
• 整合序列特征,盐度和pH值,以提高G4稳定性预测.
• 探索细胞环境因素对G4稳定性概况的影响.

主要方法:

• 开发了G4STAB,一个多输入深度学习神经网络.
• 在2382个不同的DNA G4序列上训练模型.
• 与实验数据对比,验证了G4STAB的预测准确性 (R2=0.8),重点关注序列和环境因素.

主要成果:

• 在不依赖预先确定的结构特征的情况下,G4STAB可以准确地预测G4的融温度.
• 该模型确定了新的序列稳定关系,并证实了已知的G4稳定性决定因素.
• 对391,502个G4s的分析表明,类似癌症的离子环境显著改变了G4的稳定性,使生理化温度的结构增加了13.5倍.

结论:

• G4STAB提供了一个可靠的框架来预测G4的稳定性,并考虑序列和环境变量.
• 细胞的离子环境,特别是那些模仿癌症的环境,对G4的稳定性产生了深刻的影响.
• 全基因组分析揭示了G4稳定性反应在染色体和基因类型中的系统模式.