Base-resolution models of transcription-factor binding reveal soft motif syntax.
Base-resolution models of transcription-factor binding reveal soft motif syntax.
复制标题
转录因子结合的碱基分辨率模型揭示了软基序语法。
DOI：
10.1038/s41588-021-00782-6
复制
发表时间：
2021-03
期刊：
影响因子：
30.8
通讯作者：
Zeitlinger J
中科院分区：
文献类型：
--
作者：
Avsec Ž;Weilert M;Shrikumar A;Krueger S;Alexandari A;Dalal K;Fropf R;McAnany C;Gagneur J;Kundaje A;Zeitlinger J
转录因子（TF）结合基序（语法）的排列是顺式调控密码的重要组成部分，但仍然难以捉摸。我们引入了一种深度学习模型 BPNet，它使用 DNA 序列来预测多能性 TF 的碱基分辨率 ChIP-nexus 结合谱。我们开发解释工具来学习预测主题表示并识别协作 TF 绑定交互的软语法规则。引人注目的是，Nanog 优先以螺旋周期性结合，并且 TF 通常以定向方式合作，我们使用 CRISPR 诱导的点突变对此进行了验证。我们的模型代表了一种强大的通用方法来揭示基因组数据中顺式调控序列的基序和语法。
The arrangement of transcription factor (TF) binding motifs (syntax) is an important part of the cis-regulatory code, yet remains elusive. We introduce a deep learning model, BPNet, that uses DNA sequence to predict base-resolution ChIP-nexus binding profiles of pluripotency TFs. We develop interpretation tools to learn predictive motif representations and identify soft syntax rules for cooperative TF binding interactions. Strikingly, Nanog preferentially binds with helical periodicity, and TFs often cooperate in a directional manner, which we validate using CRISPR-induced point mutations. Our model represents a powerful general approach to uncover the motifs and syntax of cis-regulatory sequences in genomics data.
登录
查看更多内容
影响因子：
14.9
作者：
Terooatea TW;Pozner A;Buck-Koehntop BA
通讯作者：
Buck-Koehntop BA
影响因子：
10.5
作者：
Botquin, V;Hess, H;Schöler, HR
通讯作者：
Schöler, HR
模因套件：用于发现和搜索的工具。
影响因子：
14.9
作者：
Bailey TL;Boden M;Buske FA;Frith M;Grant CE;Clementi L;Ren J;Li WW;Noble WS
通讯作者：
Noble WS
影响因子：
4.5
作者：
Cheng Q;Kazemian M;Pham H;Blatti C;Celniker SE;Wolfe SA;Brodsky MH;Sinha S
通讯作者：
Sinha S
影响因子：
64.5
作者：
BANERJI, J;RUSCONI, S;SCHAFFNER, W
通讯作者：
SCHAFFNER, W