Sequence-based modeling of three-dimensional genome architecture from kilobase to chromosome scale.
Sequence-based modeling of three-dimensional genome architecture from kilobase to chromosome scale.
复制标题
DOI：
10.1038/s41588-022-01065-4
复制
发表时间：
2022-05
期刊：
影响因子：
30.8
通讯作者：
Zhou, Jian
中科院分区：
文献类型：
--
作者：
Zhou, Jian
为了了解基因组序列如何影响多尺度三维（3D）基因组结构，本文提出了一种基于序列的深度学习方法Orca，该方法直接从序列预测从酶到全染色体尺度的3D基因组结构。Orca捕获结构的序列依赖性，包括染色质区室和拓扑相关结构域，以及从CTCF介导的增强子-启动子相互作用和Polycomb介导的具有细胞类型特异性的相互作用的不同类型的相互作用。Orca能够实现各种应用，包括预测结构变体对多尺度基因组组织的影响，以及它概括了不同大小（300 bp-90 Mb）的实验研究变体的影响。此外，Orca使计算机虚拟屏幕能够在不同尺度上探测3D基因组组织的序列基础。在亚巨噬细胞尺度上，它预测了细胞类型特异性基因组相互作用的特定转录因子基序。在隔间规模，虚拟屏幕的序列活动提出了一个新的模型的序列基础上的染色质隔间的转录起始位点的突出作用。
To learn how genomic sequence influences multiscale three-dimensional (3D) genome architecture, this manuscript presents a sequence-based deep learning approach, Orca, that predicts directly from sequence the 3D genome architecture from kilobase to whole-chromosome scale. Orca captures the sequence dependencies of structures including chromatin compartments and topologically associating domains, as well as diverse types of interactions from CTCF-mediated to enhancer-promoter interactions and Polycomb-mediated interactions with cell-type specificity. Orca enables various applications including predicting structural variant effects on multiscale genome organization and it recapitulated effects of experimentally studied variants at varying sizes (300bp–90Mb). Moreover, Orca enables in silico virtual screens to probe the sequence-basis of 3D genome organization at different scales. At the submegabase scale, it predicted specific transcription factor motifs underlying cell-type-specific genome interactions. At the compartment scale, virtual screens of sequence activities suggest a new model for the sequence basis of chromatin compartments with a prominent role of transcription start sites.
登录
查看更多内容
影响因子：
64.8
作者：
Boix CA;James BT;Park YP;Meuleman W;Kellis M
通讯作者：
Kellis M
影响因子：
14.9
作者：
Alexandrov N;Tai S;Wang W;Mansueto L;Palis K;Fuentes RR;Ulat VJ;Chebotarov D;Zhang G;Li Z;Mauleon R;Hamilton RS;McNally KL
通讯作者：
McNally KL
影响因子：
64.8
作者：
Dixon JR;Jung I;Selvaraj S;Shen Y;Antosiewicz-Bourget JE;Lee AY;Ye Z;Kim A;Rajagopal N;Xie W;Diao Y;Liang J;Zhao H;Lobanenkov VV;Ecker JR;Thomson JA;Ren B
通讯作者：
Ren B
影响因子：
64.5
作者：
Groeschel, Stefan;Sanders, Mathijs A.;Delwel, Ruud
通讯作者：
Delwel, Ruud
影响因子：
56.9
作者：
Kosak, ST;Skok, JA;Singh, H
通讯作者：
Singh, H