使用主动学习的真菌转录激活剂的进化发现和表征
Lucas Waldburger1,2, Hunter Nisonoff3, Marissa Zintel4
1Department of Bioengineering, University of California, Berkeley, CA, USA.
我们开发了ADhunter,这是一个新的模型来识别转录激活剂 (ADs) 并指导进化采样. 这种方法在多种不同的真菌基因组中扩展了功能注释,提高了生物发现的预测模型稳定性.
科学领域:
- 基因组学就是基因组学.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 预测模型引导生物发现,但偏向模型生物的数据集阻碍了对非模型物种的进化研究.
- 转录激活剂 (ADs) 对于基因表达至关重要,但它们本质上是无序的,保存不良,使基因组分析复杂化.
研究的目的:
- 开发一种混合框架,使用高通量测试和积极学习来量化整个进化空间的生物特性.
- 创建一个高容量回归模型 (ADhunter) 用于识别和量化转录激活剂强度.
- 通过从多样化,非模型生物体采样来提高预测模型的通用性.
主要方法:
- 利用高通量分子测试和积极学习进行进化采样.
- 开发了ADhunter,这是一个回归模型,其性能优于现有的AD识别和量化算法.
- 利用模型不确定性来指导从2400个真菌基因组中采集780万种蛋白质的采样.
主要成果:
- 从1071个真菌基因组中,有9836个AD的功能性特征,这是基因组表征的15.5倍扩张.
- 提供了来自670种非模型真菌的3416种蛋白质的第一个功能性注释.
- 通过对非模型生物体数据的分析,证明了改进的模型通用性,并确定了新的蛋白质代码.
结论:
- ADhunter增强了转录激活剂的识别和量化.
- 从非模型基因组进行全面采样对于构建具有进化稳定的预测模型至关重要.
- 这项研究提供了重要的功能注释,并对真菌蛋白质多样性的洞察.
更多相关视频
13:47Lentiviral Vector Platform for the Efficient Delivery of Epigenome-editing Tools into Human Induced Pluripotent Stem Cell-derived Disease Models
Published on: March 29, 2019
11:25Enhanced Yeast One-hybrid Screens To Identify Transcription Factor Binding To Human DNA Sequences
Published on: February 11, 2019
相关概念视频
Eukaryotic Transcription Activators
The binding domains are capable of recognizing and interacting with regulatory sequences on the DNA. These...
Prokaryotic Transcriptional Activators and Repressors
Prokaryotic Transcriptional Activators and Repressors
Transcription of prokaryotic...
RNA Polymerase II Accessory Proteins
Cooperative Binding of Transcription Regulators
Cooperative Binding of Transcription Regulators
