卡特马普从淘汰数据中推断出拼接因子活动和监管目标
Michael P McGurk1, David C McWatters2, Christopher B Burge3
1Department of Biology, Massachusetts Institute of Technology, Cambridge, MA, US. mmcgurk@mit.edu.
Nature biotechnology
|November 4, 2025
概括
KATMAP是一种新的回归模型,它解释了拼接因子活动如何改变RNA测序 (RNA-seq) 数据. 它确定了拼接因素及其直接目标,有助于理解转录组变化.
科学领域:
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- RNA测序 (RNA-seq) 揭示了与拼接因子 (SF) 活动相关的众多拼接变化.
- 阐明每个SF对拼接的精确影响对于理解转录基因变异至关重要.
研究的目的:
- 介绍KATMAP,一种可解释的回归模型,用于分析转录组拼接变化.
- 通过整合SF结合数据和RNA处理变化来建模剪接变化.
主要方法:
- KATMAP使用SF扰动RNA-seq数据和SF结合动机作为输入.
- 它采用回归方法来学习SF位置特定的调节活动,并预测目标基因.
- 在KATMAP软件中可以使用对ENCODE SF敲击数据进行预训练的模型.
主要成果:
- KATMAP提供了SF监管活动的详细描述,并确定了预测的SF目标.
- 该模型可以预测单个外显子的SF调节和cis元素.
- 它有效地区分了直接的SF目标与RNA-seq数据中的间接影响.
结论:
- KATMAP提供了一个强大的工具来解释RNA-seq数据,并了解SF在拼接中的作用.
- 该模型可以从临床RNA-seq数据中推断出因果SF.
- KATMAP的发现可以指导拼接切换反意义寡核酸的设计.


