Personal transcriptome variation is poorly explained by current genomic deep learning models.
Personal transcriptome variation is poorly explained by current genomic deep learning models.
复制标题
DOI：
10.1038/s41588-023-01574-w
复制
发表时间：
2023-12
期刊：
影响因子：
30.8
通讯作者：
Ioannidis, Nilah M.
中科院分区：
文献类型：
--
作者：
Huang, Connie;Shuai, Richard W.;Baokar, Parth;Chung, Ryan;Rastogi, Ruchir;Kathail, Pooja;Ioannidis, Nilah M.
基因组深度学习模型可以直接从DNA序列预测全基因组表观遗传特征和基因表达水平。虽然当前的模型在预测来自参考基因组的不同细胞类型中的基因的基因表达水平方面表现良好，但它们解释由于顺式调节遗传变异而导致的个体之间表达差异的能力在很大程度上尚未得到探索。在这里，我们评估了配对个人基因组和转录组数据的四种最先进的模型，并发现在解释个体间表达差异时性能有限。此外，模型通常无法预测顺式调节遗传变异对表达影响的正确方向。对四种基因组序列到表达深度学习模型（Enformer、Basenji2、Expecto、Xcandy）的测试发现，它们通常无法预测顺式调控遗传变异对基因表达的影响的正确方向。
Genomic deep learning models can predict genome-wide epigenetic features and gene expression levels directly from DNA sequence. While current models perform well at predicting gene expression levels across genes in different cell types from the reference genome, their ability to explain expression variation between individuals due to cis-regulatory genetic variants remains largely unexplored. Here, we evaluate four state-of-the-art models on paired personal genome and transcriptome data and find limited performance when explaining variation in expression across individuals. In addition, models often fail to predict the correct direction of effect of cis-regulatory genetic variation on expression. A test of four genomic sequence-to-expression deep learning models (Enformer, Basenji2, ExPecto, Xpresso) finds that they often fail to predict the correct direction of effect of cis-regulatory genetic variation on gene expression.
登录
查看更多内容
影响因子：
64.8
作者：
通讯作者：
--
影响因子：
8.8
作者：
Agarwal, Vikram;Shendure, Jay
通讯作者：
Shendure, Jay
影响因子：
30.8
作者：
Zhou, Jian
通讯作者：
Zhou, Jian
影响因子：
16.6
作者：
Wang QS;Kelley DR;Ulirsch J;Kanai M;Sadhuka S;Cui R;Albors C;Cheng N;Okada Y;Biobank Japan Project;Aguet F;Ardlie KG;MacArthur DG;Finucane HK
通讯作者：
Finucane HK
影响因子：
30.8
作者：
Chen, Kathleen M.;Wong, Aaron K.;Troyanskaya, Olga G.;Zhou, Jian
通讯作者：
Zhou, Jian