预测发芽酵母中的动态表达模式,使用真菌DNA语言模型
Kuan-Hao Chao1,2, Majed Mohamed Magzoub3, Emily Stoops3
1Department of Computer Science, Johns Hopkins University, Baltimore, MD 21218, USA.
Research square
|November 24, 2025
概括
我们开发了Shorkie,一种新的DNA语言模型,用于从DNA序列中预测基因表达. 该模型通过利用进化预训练和转移学习,显著增强基因表达预测和调控网络分析.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 分子生物学分子生物学
背景情况:
- 从DNA序列预测基因表达是复杂的,因为复杂的调节机制.
- 了解基因调节对于破译非编码变体和生物网络至关重要.
研究的目的:
- 从DNA序列开发一种改进基因表达预测的模型.
- 识别和分析基因调节中的调控语法和动图使用.
- 准确预测遗传变异对基因表达的影响.
主要方法:
- 在165个真菌基因组上训练一个面具DNA语言模型.
- 在酵母RNA-seq数据上微调语言模型,包括时间过程诱导实验.
- 评估模型在基因表达预测,cis-eQTL分类和记者测试中的表现.
主要成果:
- 与基线模型相比,Shorkie显著改善了基因表达预测.
- 该模型确定了保存的转录因子结合动机及其使用动态.
- 肖尔基准确地预测了变体效应,超过了现有的序列表达模型.
结论:
- 进化规模的预训练与转移学习相结合,增强了从序列对基因调节的解码.
- 肖尔基为非编码变体和监管网络动态提供了有价值的见解.
- 该框架为理解促销者动态,拼接和图案使用提供了一种强大的方法.


