DeepWheat:使用深度学习预测基因变异对基因表达和调控活动在小麦的各种组织和品种的影响
Zhigang Ma1, Jiazi Zhang1, Hongcui Pei1
1State Key Laboratory of Crop Gene Resources and Breeding, Institute of Crop Sciences, Chinese Academy of Agricultural Sciences, Beijing, 100081, China.
Genome biology
|September 30, 2025
概括
深度学习框架DeepWheat通过整合序列和表观基因组数据,准确地预测小麦的组织特异性基因表达. 该工具通过识别监管变异来帮助作物功能基因组学和育种.
科学领域:
- 植物基因组学 植物基因组学
- 计算生物学是一种计算生物学.
- 农业科学 农业科学
背景情况:
- 时空基因表达对于作物特征至关重要,但在组织中具体预测它是困难的.
- 像小麦这样的复杂作物对基因表达分析具有独特的挑战.
研究的目的:
- 开发一个深度学习框架,用于在小麦中准确,组织特定的基因表达预测.
- 为了更广泛的模型适用性,从DNA序列中预测表观基因组图.
主要方法:
- 开发了DeepWheat,这是一个与DeepEXP用于表达式预测和DeepEPI用于表观基因地图预测的框架.
- 集成的DNA序列和表观遗传学特征用于预测建模.
- 在五种不同的小麦品种中验证了框架.
主要成果:
- 对于组织特定的基因表达,DeepEXP实现了高预测精度 (PCC 0.82-0.88).
- DeepEPI促进了不同小麦品种的模式可转移性.
- 该框架成功识别了影响基因表达的调控变异.
结论:
- DeepWheat为预测特定小麦组织中的基因表达提供了强大而准确的工具.
- 该框架支持作物功能基因组学,并通过精确的遗传见解加速育种计划.
- 允许针对性编辑 cis 调节元素以改善特征.
