현재 난리 났다는 인간 유전자 발현 예측모델 근황

전사조절 (유전자 발현) 은 우리 모든 생물학에서 중요함

근데 이 중요한게 너무 복잡해서 많이 밝히지 못 함

또 기존 모델들은 특정 유형의 세포나 조건에 국한되어서

범용적으로 사용하기엔 무리가 있음

그래서 만든게 GET 모델

일단 213개 인간 세포 유형의 scATAC-seq 데이터에서 추출한 염색질 접근성 및 TF 결합 부위 정보와

2Mbp 이상의 genomic locus 를 입력후

무작위로 마스킹 된 영역 에서 motif 결합 점수 및 접근성 점수를 예측하도록 학습시켰음

이후 미세 조정은 scATAC-seq와 RNA-seq 데이터가 쌍으로 존재하는 153개 세포 유형 데이터를 사용하여, PolII가 염색질 환경을 읽어 유전자 발현을 조절하는 과정을 모방하도록 학습함

그랬더니 유전자 발현 예측을 잘 함

학습에 사용되지 않은 세포 유형에서도 유전자 발현을 엄청난 정확도로 예측함

Pearson correlation 0.94, R2 0.88, unseen fetal astrocytes

대 략 90%이상의 예측을 함

이는 다양한 세포유형에 대 한 유전자 발현 예측을 할 수 있다는 소리

또한 태아 데이터로만 학습했음에도 성인 세포 유형의 유전자 발현을 정확하게 예측가능

다양한 시퀀싱 플랫폼과 분석법에 적용가능

제로샷(Zero-shot) 예측도 가능

학습없이 규제요소의 활성화를 예측했는데 기존 분석기 Enformer보다 정확함

결론

Transformer 기반의 범용 전사 조절 모델을 개발하고,

self-supervised pretraining, fine-tuning, model interpretation, causal discovery, AlphaFold2 연계

등 최신 기술을 융합하여,

“전사 조절 연구의 새로운 지평”을 열었음

요약

여태 어려워했던 전사 조절의 기본 원리를 이해하고,

질병 메커니즘을 규명하는 데 중요한 기여를 할 것 으로 기대 됨

또한

이미 얘를 가지고

소아 백혈병의 새로운 발병기전 발견,

태아 헤모글로빈 조절기전 규명,

TF 상호작용 네트워크 구축에 성공했음

등록된 댓글이 없습니다.