Predicting 3D genome folding from DNA sequence with Akita.
Predicting 3D genome folding from DNA sequence with Akita.
复制标题
DOI：
10.1038/s41592-020-0958-x
复制
发表时间：
2020-11
期刊：
影响因子：
48
通讯作者：
Pollard KS
中科院分区：
文献类型：
--
作者：
Fudenberg G;Kelley DR;Pollard KS
在分裂间期，人类基因组序列在三个维度上折叠成丰富多样的位点特异性接触模式。 Cohesin 和 CTCF 是关键调节因子；通过染色体构象捕获方法检测，扰乱其中任何一个的水平都会极大地破坏全基因组折叠。尽管如此，给定的 DNA 序列如何编码特定位点特异性的折叠模式仍然未知。在这里，我们提出了一个卷积神经网络 Akita，它可以仅根据 DNA 序列准确预测基因组折叠。 Akita 学到的表征强调了 CTCF 结合位点特定方向语法的重要性。 Akita 学习了基因组折叠的预测核苷酸水平特征，揭示了核心 CTCF 基序之外的核苷酸的影响。一旦接受训练，秋田就能进行快速的计算机预测。利用这一点，我们演示了如何使用秋田犬进行计算机饱和诱变、解释 eQTL、预测结构变异以及探测物种特异性基因组折叠。总的来说，这些结果使得能够从序列到结构解码基因组功能。
In interphase, the human genome sequence folds in three dimensions into a rich variety of locus-specific contact patterns. Cohesin and CTCF are key regulators; perturbing the levels of either greatly disrupts genome-wide folding as assayed by chromosome conformation capture methods. Still, how a given DNA sequence encodes a particular locus-specific folding pattern remains unknown. Here we present a convolutional neural network, Akita, that accurately predicts genome folding from DNA sequence alone. Representations learned by Akita underscore the importance of an orientation-specific grammar for CTCF binding sites. Akita learns predictive nucleotide-level features of genome folding, revealing impacts of nucleotides beyond the core CTCF motif. Once trained, Akita enables rapid in silico predictions. Leveraging this, we demonstrate how Akita can be used to perform in silico saturation mutagenesis, interpret eQTLs, make predictions for structural variants, and probe species-specific genome folding. Collectively, these results enable decoding genome function from sequence through structure.
登录
查看更多内容
DOI：
10.1093/bioinformatics/btr064
发表时间：
2011-04-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Grant CE;Bailey TL;Noble WS
通讯作者：
Noble WS
影响因子：
64.5
作者：
Kaaij, Lucas J. T.;Mohn, Fabio;Buhler, Marc
通讯作者：
Buhler, Marc
影响因子：
30.8
作者：
Fulco, Charles P.;Nasser, Joseph;Engreitz, Jesse M.
通讯作者：
Engreitz, Jesse M.
影响因子：
7
作者：
Beagan JA;Duong MT;Titus KR;Zhou L;Cao Z;Ma J;Lachanski CV;Gillis DR;Phillips-Cremins JE
通讯作者：
Phillips-Cremins JE
影响因子：
64.5
作者：
Bonev B;Mendelson Cohen N;Szabo Q;Fritsch L;Papadopoulos GL;Lubling Y;Xu X;Lv X;Hugnot JP;Tanay A;Cavalli G
通讯作者：
Cavalli G