Identification and characterization of unique to human regulatory sequences in embryonic stem cells reveal associations with transposable elements, distal enhancers, non-coding RNA, and DNA methylation-driven mechanisms of genome editing
The Stanford University School of Medicine(斯坦福大学医学院);Sanford-Burnham Medical Research Institute(桑福德-伯纳姆医学研究所);Genlight Technology Corporation(Genlight科技有限公司)
研究发现人类胚胎干细胞中独特的调控序列与转座子、增强子、非编码RNA及DNA甲基化机制相关,提出NANOG和POU5F1蛋白质在远端调控元件中的功能模型。
2014-04-03 q-bio.GN
Graph-based data integration predicts long-range regulatory interactions across the human genome
基因表达的转录调控是影响细胞从单组基因多样化的主要过程之一。调控蛋白通常与位于基因转录起始位点(TSS)远端的DNA区域相互作用。我们开发了一种计算方法,结合开放的染色质和基因表达信息的大量细胞类型,以确定这些远端调控元件。我们的方法为公开可用的DNase-seq和外显子阵列数据集与匹配样本构建相关图,并使用基于图的方法来过滤多个数据集支持的结果并去除间接相互作用。由此产生的一组相互作用进行了验证与轶事信息的已知的远程相互作用和无偏的实验数据推导出Hi-C和CAGE实验。我们的研究结果提供了一组新的高置信度的候选开放染色质区域参与基因调控,往往位于几个Mb远离其靶基因的TSS。
2014-04-29 q-bio.GN
A statistical fat-tail test of predicting regulatory regions in the Drosophila genome
本研究针对果蝇基因组提出一种基于峰度的统计肥尾检验方法,通过两个肥度系数有效区分顺式调控模块与非调控模块,兼顾计算效率与分离准确度。
2023-08-02 q-bio.GN q-bio.QM
Genome-Wide Survey of MicroRNA - Transcription Factor Feed-Forward Regulatory Circuits in Human
在这项工作中,我们描述了一个计算框架的全基因组识别和表征的混合转录/转录后调节电路在人类。我们特别关注前馈环(FFL),其中主转录因子调节microRNA,并与它一起调节一组联合靶蛋白编码基因。用两步程序组装电路。我们首先通过寻找人和小鼠启动子中保守的过度表达基序和3 '-UTR,分别构建了人调控网络的转录和转录后组分。然后,我们将两个子网络结合起来,寻找混合前馈调节相互作用,共找到638个推定的(合并的)FFL。为了研究它们的生物学相关性,我们使用三个选择标准过滤这些回路:(I)FFL的联合靶标之间的基因本体论富集,(II)从外部数据库提取的FFL的调节相互作用的独立计算证据,以及(III)FFL在癌症中的相关性。大多数选择的FFL似乎参与生物体发育和分化的各个方面。最后,我们将详细讨论几个最有趣的案例。
2009-07-23 q-bio.GN q-bio.MN
Predicting genome-wide DNA methylation using methylation marks, genomic position, and DNA regulatory elements
背景资料:最近个体特异性全基因组DNA甲基化谱的测定使得表观基因组关联研究能够鉴定与表型相关的特定CpG位点。CpG位点特异性甲基化水平的计算预测是重要的,但目前的方法处理基因组基因座内的平均甲基化,并且通常限于特定的基因组区域。结果如下:我们描述了全基因组DNA甲基化模式,并表明CpG位点之间的相关性迅速衰减,仅基于相邻位点进行预测具有挑战性。我们构建了一个随机森林分类器,使用邻近CpG位点甲基化水平和基因组距离作为特征,以及与编码区、CGI和来自ENCODE项目的调控元件的共定位来预测CpG位点甲基化水平。我们的方法实现了91% - 94%的全基因组甲基化水平的预测准确率在单个CpG位点的精度。当仅限于CGI内的CpG位点时,准确性增加到98%。我们的分类器优于最先进的甲基化分类器,并识别有助于预测准确性的特征:相邻CpG位点甲基化状态、CpG岛状态、共定位DNA酶I超敏位点和特异性转录因子结合位点被认为是最能预测甲基化水平的。结论:我们对DNA甲基化模式的观察使我们开发了一种分类器来预测位点特异性甲基化水平,该分类器实现了迄今为止最好的DNA甲基化预测准确性。此外,我们的方法确定了与DNA甲基化相互作用的基因组特征,阐明了DNA甲基化修饰和调控所涉及的机制,并将不同的表观遗传过程联系起来。
2013-08-09 q-bio.GN
Inferring selective constraint from population genomic data suggests recent regulatory turnover in the human brain
过去十年的比较基因组学革命使得能够通过序列比较发现人类基因组中的功能元件。虽然如此,但在寻找物种间的序列保守性时,完全错过了一类重要的元素,即人类特有的元素。在这里,我们提出了一个分析的基础上,利用监督机器学习的方法来识别人类基因组中的特定净化选择的人类基因组之间的变异数据。仅使用来自完整的低覆盖率1000基因组计划数据集的等位基因频率信息,结合从基因组的已知功能和非功能部分训练的支持向量机,我们能够准确地识别受纯化选择约束的基因组部分。我们的方法确定了以前已知的人类特定的功能增益或损失,并发现了许多新的候选人。沿着人类谱系的功能获得和丧失的候选靶标包括中枢神经系统正常发育所必需的基因的许多推定的调节区域,包括神经递质受体基因附近的功能获得事件的显著富集。这些结果是一致的监管营业额是一个关键的机制,在人类特有的大脑发育特征的演变。最后,我们表明,目前大部分基因组不受自然选择的约束,这与系统发育方法的估计一致,但与基于转录组学或其他高通量功能方法的估计形成鲜明对比。
2015-11-22 q-bio.GN q-bio.PE
Systematic transcriptome wide analysis of lncRNA-miRNA interactions
长链非编码RNA(longnoncodingRNA,lncRNA)是近年来发现的一类非蛋白质编码RNA,作为调控分子参与多种生物学过程。关于非编码RNA类之间的调控相互作用知之甚少。最近的研究表明,lncRNA可能与其他非编码RNA(包括miRNA)相互作用,并通过相互作用调节其调节作用。我们假设长的非编码RNA可以作为一层与miRNA的调控相互作用参与。人类转录组中Argonaute靶标的基因组规模数据集的可用性促使我们重建miRNA和lncRNA之间相互作用的基因组规模网络。我们使用充分表征的实验性光活化核糖核苷增强交联和免疫沉淀(PAR-CLIP)数据集和最近公开的lncRNA全基因组注释来构建miRNA调控元件的全面转录组图谱。比较分析显示,许多miRNA可以靶向长的非编码RNA,除了编码转录本,从而参与非编码RNA类之间的调控相互作用的新层。我们还发现miRNA调节元件具有位置偏好,聚集在长非编码转录本的3 '和5'末端。我们还进一步重建了miRNA与lncRNA以及信使RNA相互作用的全基因组图谱。该分析表明非编码RNA类之间存在广泛的调控相互作用,并表明lncRNA具有新的功能作用。我们还提出了第一个转录组规模的lncRNA-miRNA相互作用的研究和第一份报告的基因组规模的重建涉及lncRNA的非编码RNA调控相互作用。
2012-08-01 q-bio.GN q-bio.MN
On Programs and Genomes
我们概述了基因组的全球控制架构。提出了基因组控制信息理论。介绍了一种称为cene(控制基因)的发育控制网络的概念。我们区分部分基因和控制基因或基因座。Cene由细胞解释和执行,从而指导细胞活动,包括通信,生长,分裂,分化和多细胞发育。基因组是基因组中的全球发育控制网络。基因组也是一个由相互关联的子基因组组成的基因组,这些子基因组指导生物体的个体发生。生物体的复杂性与基因组的复杂性有关。个体发育和进化的相关性被提及。我们引入了通用细胞和通用基因组的概念。
2011-10-24 cs.CE q-bio.GN q-bio.OT
Major changes in the core developmental pathways of nematodes: Romanomermis culicivorax reveals the derived status of the Caenorhabditis elegans model
尽管秀丽隐杆线虫是模式生物,但其发育并不一定是线虫的原型。线虫门分为染色亚门(Chromadorea,包括C. elegans)和Enoplea。与C.线虫、enoplean线虫具有非常不同的细胞分裂和决定模式。古罗马线虫的胚胎发生已经被详细研究过,但该物种发育的遗传电路尚不清楚。结果构建了一个R. culicivorax的发育基因含量,并与两种线虫C.线虫和旋毛虫(另一种绒壳纲),以及代表性节肢动物赤拟谷盗(Tribolium castaneum)。这一基因组证据表明,R. culicivorax保留了C.优雅t. spiralis单独失去的工具箱甚至比C.优雅然而,C. elegans toolkit并不是简单的分离,因为C. elegans是这一谱系所独有的,或者在R. culicivorax和T.螺旋形的这些数据意味着在早期细胞规格,诱导相互作用,外阴形成和性别决定的遗传方案的根本差异。因此,线虫,尽管其明显的全门形态保守性,进化的分子逻辑的发展,他们的主要差异。R. culicivorax作为一个易处理的,对比模式C。elegans了解不同的基因组和调控背景如何产生保守的表型。基因组草图的出现将促进R. culicivorax作为研究模型。
2013-03-17 q-bio.GN
Comment on "Evidence of Abundant and Purifying Selection in Humans for Recently Acquired Regulatory Functions"
Ward和Kellis(报告,2012年9月5日)确定了人类基因组中表现出谱系特异性限制的调节区域,并估计了纯化选择的程度。他们强调的例子没有统计学依据,他们对受限制基因组比例的估计因完全受限制区域的任意指定而有偏差。
2012-12-13 q-bio.GN q-bio.QM
The Environment-Dependent Regulatory Landscape of the E. coli Genome
该研究结合诱变、大规模并行报告检测、质谱与理论建模,在39种环境中解析大肠杆菌100多个基因的环境依赖性调控架构,并揭示 y-ome、毒素-抗毒素系统及调控模块的新功能。
2025-05-13 q-bio.GN q-bio.MN
A computational approach to regulatory element discovery in eukaryotes
真核生物中的基因调控主要通过转录因子与通常位于编码区上游的相当短的识别基序结合来实现。我们提出了一种新的计算方法来确定真核基因上游区域的调控元件。这些基因被分组在集合中,在它们的上游序列中共享一个过度表达的短基序。对于每个集合,确定来自微阵列实验的平均表达水平:如果该水平显著高于或低于整个基因组的平均值,则集合中基因共享的过度表达的基序可能在其调节中发挥作用。我们通过将其应用于{ \it S. cerevisiae},其微阵列实验的许多数据集是公开可用的。我们的算法正确识别了几个已知的结合基序,并提出了一个新的候选人进行实验验证。
2003-05-13 cond-mat.dis-nn physics.bio-ph q-bio.GN
Scaling laws in the functional content of genomes: Fundamental constants of evolution?
随着全序列基因组的数量现在远远超过100个,已经有可能开始调查基因组的遗传组成中是否存在任何定量的差异。在(physics/0307001)中,我最初表明,不同功能类别的基因数量在基因组中的基因总数中按幂律缩放。在本章中,我将用最近的数据重新审视这些结果,并深入探讨这些标度律对我们理解细胞调控设计的意义。此外,我进一步发展的进化模型(physics/0307001)中首次提出的,这表明所观察到的标度律的指数对应于进化过程的基本常数。特别是,我提出了一个假设,调节和信号转导基因与基因组大小的近似二次缩放。
2004-05-26 q-bio.GN q-bio.MN
Role of distal enhancers in shaping 3D-folding patterns and defining human-specific features of interphase chromatin architecture in embryonic stem cells
Institute of Engineering in Medicine University of California, San Diego(加州大学圣地亚哥分校工程医学院)
研究揭示远端增强子在塑造人类胚胎干细胞中间相染色质结构特征中的作用,通过分析HSGRL、增强子和超级增强子等调控元件,发现人类特有特征与染色质3D折叠模式变化相关。
2017-05-25 q-bio.GN
Is prokaryotic complexity limited by accelerated growth in regulatory overhead?
生物复杂性的增加通常与新的遗传信息的增加有关,这些信息必须整合到细胞内运行的现有调控网络中。关于网络控制的一般论点,以及最近的几个基因组观察表明,调控基因的数量随着基因组大小的增加而快速增长。我们提出了两个模型的增长调控网络。两者都预测转录调节因子的数量将与总基因数成二次方关系。这似乎与来自89个完全测序的原核生物的基因组数据在定量上一致。此外,经验曲线预测,任何新的非调控基因将伴随着超过一个额外的调节基因组大小的约20,000个基因,在所观察到的上限的两倍内。我们的分析将转录调控网络归入加速网络一类。我们认为,原核生物的复杂性可能已被限制在整个进化过程中的监管开销,相反,复杂的真核生物必须绕过这一限制的新策略。
2003-11-15 q-bio.GN q-bio.MN
A generalized linear model for decomposing cis-regulatory, parent-of-origin, and maternal effects on allele-specific gene expression
联合量化遗传和表观遗传对基因表达的影响对于理解生物体中复杂基因调控系统的建立是重要的。特别是,基因组印记和母体效应在哺乳动物和开花植物的发育过程中起着重要作用。然而,这些效应对基因表达的影响难以定量,因为它们与顺式调节突变同时起作用。在这里,我们提出了一种简单的方法来分解顺式调节(即,等位基因型,AG),基因组印记(即,起源亲本,PO),和母本(即,母体基因型,MG)对等位基因特异性基因表达的影响。我们使用模拟数据集评估了该方法的效率,并将该方法应用于果蝇和小鼠滋养层干细胞(TSC)和肝脏RNA-seq数据。与以前的研究一致,我们发现很少有证据表明PO和MG在成年果蝇样本中的影响。相比之下,我们确定了几十个和数百个小鼠基因具有显着的PO和MG的影响,分别。有趣的是,在小鼠TSC和肝脏中检测到类似数量的具有显著PO效应的基因,而在肝脏中观察到更多具有显著MG效应的基因。该方法的进一步应用将阐明这三种效应如何影响不同组织和发育阶段的基因表达水平,并为基因表达调控的进化提供新的见解。
2017-05-02 q-bio.GN
Unlocking the Regulatory Genome by ARGUS: An Evidence-Constrained Agentic Framework for Interpreting Single Nucleotide Variants
Stony Brook University(石溪大学);Renaissance School of Medicine at Stony Brook University(石溪大学雷内桑斯医学院)
本文提出ARGUS框架,将确定性生物学计算与LLM推理分离,针对疾病相关非编码区单核苷酸变异,通过多数据库证据分析,为不同转录因子生成差异化研究轨迹,解决大语言模型解释变异时的幻觉问题。
2026-10-09 cs.AI cs.LG q-bio.GN
Dynamic evolution of precise regulatory encodings creates the clustered signature of developmental enhancers
一种被称为Dorsal的形态发生蛋白,通过与基因组中的转录增强子结合,形成果蝇胚胎背腹体轴的模式。每个这样的增强子在Dorsal的独特阈值浓度下激活邻近基因。这些增强子中的背结合位点簇和其他增强子中的类似簇的存在激发了位点密度中的阈值编码模型。然而,我们发现分隔一对专门的Dorsal和Twist结合位点的间隔区的精确长度决定了阈值响应。尽管有这个结果,由这个间隔元件决定的功能范围以及其周围背侧位点簇的作用和起源仍然完全未知。在这里,我们的实验与增强子从不同的果蝇基因组,包括大型未压缩的基因组从ananassae和willistoni,并报告三个主要的相互依赖的结果。首先,我们映射阈值编码间隔变量的功能范围。其次,我们发现,大多数网站在集群是非功能性的发散元件,已被分离超出编码的功能范围。第三,我们验证了一个进化模型,涉及频繁更换的阈值编码,其精度很容易过时的移位精度。编码被更新的编码所取代的过程是由Dorsal和Twist结合基序的回文性质以及专门的Twist结合位点中固有的重复不稳定性促进的,这严重影响了将其连接到Dorsal的间隔区的长度。随着时间的推移,编码的选择性弃用和替换的动态过程增加了越来越多的deadened元素或necro-elements,并强烈地影响了局部序列组成。... [摘要截断]
2010-04-07 q-bio.CB q-bio.GN q-bio.MN
Whole genome mapping of 5' RNA ends in bacteria by tagged sequencing : A comprehensive view in Enterococcus faecalis
粪肠球菌是医院感染的第三大原因。为了获得这种细菌中转录组织的第一个全面视图,我们使用了一种改进的RNA-seq方法,能够区分初级和加工的5 'RNA末端。我们还通过确认大肠杆菌中的已知特征来验证我们的方法。在E.粪便一个盲目的基序搜索检索SigA和SignN依赖的启动子之前的TSS映射的典型功能。我们发现了95个新的推定的调控RNA,小和反义RNA,和72个转录反义组织。提出的数据构成了一个显着的洞察细菌RNA景观和一个步骤,以全面的方式在转录和转录后水平的调控过程的推理。
2014-10-07 q-bio.BM q-bio.GN q-bio.QM
Genomic regulatory architecture of human embryo retroviral LTR elements affecting evolution, development, and pathophysiology of Modern Humans
Institute of Engineering in Medicine University of California, San Diego(加州大学圣地亚哥分校工程医学院)
本研究揭示了人类胚胎逆转录病毒LTR元件在基因组调控网络中的作用,通过分析26个基因组-wide多模块调控网络,识别出69,573个显著的GRMs,揭示其对现代人类发育、生理及病理的深远影响。
2023-10-25 q-bio.GN q-bio.MN q-bio.NC
Probabilistic Clustering of Sequences: Inferring new bacterial regulons by comparative genomics
肠道细菌之间的全基因组比较在基因基础上产生大量保守的推定调控位点,这些位点需要聚集成调节子。使用的假设,监管网站可以表示为样本的权重矩阵,我们得到一个独特的概率分布分配到集群的网站。我们的算法,“序列的概率聚类”,使用蒙特卡罗抽样的分布分区和排列成集群的短DNA序列数以千计。该算法从内部确定数据中的聚类数,并为结果聚类分配重要性。我们把理论上的限制,任何算法的能力,正确聚类序列的权重矩阵(WM)时,这些WM是未知的。我们的分析表明,一个单一基因组的所有推定位点的集合(例如E。coli)在很大程度上不足以进行聚类。当来自不同基因组的位点被组合起来,并且来自不同物种的所有同源位点被用作一个区块时,聚类就变得可行了。我们预测50-100个新的调节子以及现有调节子的许多新成员,可能使E.杆菌
2002-06-15 physics.bio-ph physics.data-an q-bio.GN
C3P: Contrastive promoter-protein pretraining yields representations capturing bacterial gene regulation
University of Toronto(多伦多大学)
提出对比启动子-蛋白质预训练(C3P),通过对齐启动子与对应蛋白质来学习细菌调控序列表征,在调控注释推断和零样本共调控基因检索中显著优于基因组语言模型。
2026-11-09 q-bio.GN
Identification of Biomarkers Driving Blood Cell Development
血细胞谱系由从多能或多能干细胞到终末分化细胞的特定阶段的几个连续发育阶段组成。在不考虑转录因子(TF)和它们的靶基因之间的潜在网络的情况下,从基因表达数据中识别控制血细胞发育的关键调控基因具有相当大的兴趣。在这项研究中,我们引入了一种新的表达模式,关键调控暴露沿分化途径。我们部署这个模式,以确定细胞特异性的关键调控负责的发展。作为概念的证明,我们认为这种方法的数据从小鼠胚胎干细胞到终末分化的巨噬细胞的六个发育阶段。
2019-12-04 q-bio.GN
GOLEM: distribution of Gene regulatOry eLEMents within the plant promoters
GOLEM 是一款植物基因调控元件定位程序,可精确可视化基序相对于转录起始位点的分布,并关联特定组织的转录水平。
2023-10-23 q-bio.GN
Transcript length mediates developmental timing of gene expression across Drosophila
转录具有长初级转录物的基因所需的时间可能限制它们在具有短有丝分裂周期的细胞中表达的能力,这种现象称为内含子延迟。由于如此短的周期是昆虫发育最早阶段的标志,我们使用果蝇发育时程表达数据来测试内含子延迟是否影响全基因组的基因表达,并确定其对基因结构进化的影响。我们发现,长合子表达,但不是母系沉积,基因表现出相当大的延迟表达相对于其较短的对应物,这种延迟持续了相当大的一部分的胚胎发生的~24小时。从转录物的5'和3'末端的RNA-seq覆盖的模式显示,这种延迟与它们不能终止转录一致,但与基于转录起始的调控控制不一致。高度表达的合子基因受到纯化选择以保持紧凑的转录区域,从而允许在果蝇胚胎发育中保存胚胎表达模式。我们建议,内含子延迟是一个未被充分认识的物理机制,影响两种模式的表达,以及整个果蝇的许多基因的基因结构。
2013-01-18 q-bio.GN q-bio.PE
motifDiverge: a model for assessing the statistical significance of gene regulatory motif divergence between two DNA sequences
下一代测序技术能够识别许多细胞类型和生物体中的数千个基因调控序列。我们考虑的问题,如果两个这样的序列不同的结合位点图案的数量为一个给定的转录因子(TF)蛋白的测试。结合位点基序通过提供TF与基因组元件结合的机会并由此影响附近基因的表达而赋予调节功能。这些功能DNA的进化变化被假设为是物种内和物种间表型多样性的主要贡献者;但是,尽管TF基序对基因表达很重要,但还没有方法来测试基序的丢失或获得。假设基序计数是二项分布的,并允许在进化相关序列中基序实例之间的依赖性,我们推导出两个核苷酸序列之间基序计数差异的概率质量函数。我们提供了一种方法来从基因组数据中数值估计这种分布,并通过模拟表明我们的估计是准确的。最后,我们介绍了R包{ \tt motifDiverge},实现我们的方法,并说明其应用程序的基因调控增强子确定的小鼠发育时程实验。虽然这项研究的动机是分析的监管图案,我们的研究结果可以适用于任何问题,涉及两个相关的伯努利试验。
2014-02-01 q-bio.GN
Network Based Approach to Gene Prioritization at Genome-Wide Association Study Loci
动机:全基因组关联研究(GWAS)已经成功地识别出数千个复杂性状和疾病的遗传风险位点。这些GWAS基因座中的大多数位于基因组的调控区,并且每个GWAS风险基因座发挥其作用的基因并不总是清楚的。已经提出了许多利用生物学数据来源的计算方法来鉴定GWAS基因座处的推定因果基因;然而,这些方法可以改进。结果如下:我们提出了一种密集的模块搜索方法,通过将来自GWAS数据的关联信号整合到基因共调控网络中来生成候选子网络,来识别GWAS位点的推定因果基因。我们采用我们的方法在慢性阻塞性肺疾病GWAS。我们进行了广泛的,比较研究的最大化方法的性能对既定的基线。
2022-10-28 q-bio.GN q-bio.QM
Gene & Genome Duplication in Acanthamoeba Polyphaga Mimivirus
基因复制是生命所有三个领域的分子进化的关键,也可能是新基因功能出现的第一步。这是大型DNA病毒的一个公认特征,但迄今为止尚未在最大的已知病毒中进行广泛研究,最近发现的阿米巴多食虫拟态病毒。在这里,我们提出了一个系统的分析,在Mimivirus基因组中的基因和基因组复制事件。我们发现,三分之一的拟病毒基因与拟病毒基因组中至少一个其他基因相关,要么是通过发生在更遥远的过去的大片段基因组复制事件,要么是通过最近的基因复制事件,这通常是串联发生的。这表明基因和基因组复制在形成Mimivirus基因组中发挥了重要作用。使用多重比对结合基于隐马尔可夫模型比较的远程同源性检测方法,我们将推定的功能分配给一些旁系同源基因家族。我们认为,复制的Mimivirus基因家族的很大一部分可能会干扰重要的宿主细胞过程,如转录控制,蛋白质降解和细胞调控过程。我们的研究结果支持这样一种观点,即大型DNA病毒是复杂的进化生物,可能深深扎根于生命之树,并反对病毒进化由横向基因获取主导的范式,至少在大型DNA病毒方面。
2005-07-19 q-bio.GN
Multi-species network inference improves gene regulatory network reconstruction for early embryonic development in Drosophila
基因调控网络推断使用全基因组转录组测量响应于遗传、环境或动态扰动来预测基因之间的因果调控影响。我们假设进化也是一种合适的网络扰动,来自多个密切相关物种的数据整合可以改善基因调控网络的重建。为了验证这一假设,我们从6个果蝇物种早期胚胎发育期间测量的3,610个基因的时间基因表达数据预测网络,并将预测网络与5个物种发育转录因子的ChIP-chip和ChIP-seq相互作用的金标准网络进行比较。我们发现:(i)单物种网络的性能与测量金标准的物种无关;(ii)预测网络之间的差异反映了已知的遗传学和物种之间的生物学差异;(iii)一个整合的共识网络,它最大限度地减少了所有单物种网络的边缘增益和损失的总数,比任何单个网络都表现得更好。我们的研究结果表明,在一个进化保守的系统中,整合多个物种的可比实验数据,提高了基因调控网络的推理。他们提供了一个基础,为今后的研究,许多多物种的基因表达数据集的其他生物过程中的文献。
2014-12-08 q-bio.GN
DNA-MATRIX a tool for DNA motif discovery and weight matrix construction
在计算分子生物学中,全基因组的基因调控结合位点预测一直是研究者面临的一个挑战。目前,全基因组调控结合位点预测工具需要直接模式序列或权重矩阵。虽然已知有可用于全基因组预测的转录因子结合位点数据库,但是没有可用于根据用户的需要构建不同权重矩阵的工具,或者没有可用于大数据集扫描的工具,其通过首先比对输入上游或启动子序列,然后构建不同水平和文件格式的矩阵。考虑到这一点,我们开发了一个DNA MATRIX工具,用于搜索基因上游序列中推定的调控结合位点。该工具使用基于简单生物学规则的启发式算法构建权重矩阵,在基序比对后可以转换为不同的格式,因此提供了识别受调控基因中最潜在的保守结合位点的可能性。用户可以基于基于用户选择的6至20个碱基对范围内的短序列的保守比对块和权重评分前的先前核苷酸频率,以不同的形式和文件格式构建和保存特定的权重或频率矩阵。
2010-02-06 cs.CE q-bio.GN
ARACNE: An Algorithm for the Reconstruction of Gene Regulatory Networks in a Mammalian Cellular Context
背景:阐明基因调控网络对于理解正常细胞生理学和复杂病理表型至关重要。现有的全基因组"逆向工程“的这种网络的计算方法已经成功,只有较低的真核生物与简单的基因组。在这里,我们提出了ARACNE,一种新的算法,使用微阵列表达谱,专门设计的规模在哺乳动物细胞中的调控网络的复杂性,但一般足以解决更广泛的网络去卷积问题。该方法使用信息论方法来消除由共表达方法推断的大多数间接相互作用。结果如下:我们证明,ARACNE重建网络完全(渐近),如果在网络拓扑结构中的循环的影响可以忽略不计,我们表明,该算法在实践中工作良好,即使在存在大量的循环和复杂的拓扑结构。我们评估ARACNE的能力,重建转录调控网络使用现实的合成数据集和人类B细胞的微阵列数据集。在合成数据集上,ARACNE实现了非常低的错误率,并优于相关网络和贝叶斯网络等已建立的方法。应用于人类B细胞中遗传网络的去卷积证明了ARACNE推断cMYC原癌基因的经验证的转录靶点的能力。我们还研究了误估计互信息对网络重构的影响,并表明基于互信息排序的算法对估计误差有更强的弹性。
2005-10-07 q-bio.GN q-bio.MN q-bio.QM
Dilated Convolutions for Modeling Long-Distance Genomic Dependencies
我们考虑的任务是直接从原始DNA中检测人类基因组中的调控元件。过去的工作主要集中在DNA的小片段上,这使得很难对DNA的三维构象产生的长距离依赖性进行建模。为了研究长距离依赖关系,我们开发并发布了一个新的数据集,用于更大的上下文建模任务。使用这个新的数据集,我们使用扩张卷积神经网络来模拟长距离交互,并将其与标准卷积和递归神经网络进行比较。我们表明,扩张卷积是有效的,在人类基因组中的调控标记,如转录因子结合位点,组蛋白修饰和DNA酶超敏位点的位置建模。
2017-10-03 q-bio.GN q-bio.QM stat.ML
Efficient and accurate causal inference with hidden confounders from genome-transcriptome variation data
利用全基因组测序和转录组分析将基因表达定位为一种数量性状,可以发现遗传变异的功能后果。我们开发了一种新的方法和超快的软件Findr,用于使用顺式调控DNA变异作为因果锚点进行基因表达性状之间的高精度因果推断,该方法通过考虑隐藏的混杂因素和弱调控来改进现有方法。Findr在DREAM 5系统遗传学挑战和人类淋巴母细胞中microRNA和转录因子靶点的预测上优于现有方法,同时快了近一百万倍。Findr可在https://github.com/lingfeiwang/findr上公开获取
2017-04-17 q-bio.GN q-bio.MN q-bio.QM
Rapidly evolving in humans topologically associating domains
在间期染色质的主要调控结构(即拓扑相关结构域(TADs)和称为超级增强子结构域(SED)的特定亚结构)的背景下,对10,598个HSGRL进行全基因组邻近放置分析,结果显示0.8%-10.3%的TADs包含超过一半的HSGRL。在hESC基因组中的3,127个TAD中,24个(0.8%); 53个(1.7%); 259个(8.3%);和322个(10.3%)分别含有来自四个不同家族的1,110个(52.4%); 1,936个(50.9%); 1,151个(59.6%);和1,601个(58.3%)HSGRL序列。富含HSGRL并被称为在人类中快速进化的TADs(revTADs)的TADs在HSGRL放置和重组率之间表现出不同的相关模式。在hESC-增强子、灵长类特异性CTCF-结合位点、人特异性RNAPII-结合位点、hCONDEL和H3 K4 me 3峰的边界内存在显著富集,其中在前额叶皮层神经元中TSS处具有人特异性富集(在所有情况下p < 0.0001)。在hESC基因组中,504个携带SE的TADs中有331个(66%)含有HSGRL,68%的SE与HSGRL共定位,表明HSGRL通过插入新的和/或删除现有的调控序列在revTADs中重新连接SE驱动的GRNs。因此,与小鼠相比,hESC中的染色质结构演变出明显不同的特征:SE量高3倍,SE尺寸中位数显著更大;伴随着,E2数…
2015-07-20 q-bio.GN
The hourglass and the early conservation models - co-existing evolutionary patterns in vertebrate development
发育限制被假定为限制可行表型的空间,从而塑造动物进化。这些限制被认为是最强的早期或中期胚胎发生,这对应于早期保护模型或沙漏模型,分别。虽然已经报道了一些简化的结果,但在最近的动物转录组研究中,沙漏模型更受青睐。研究通常报告在所有发育时间点计算所有基因的描述性统计。这在比较基因的集合之间引入了依赖性,并且可能导致有偏差的结果。在这里,我们克服了这个问题,使用替代模块化分析。我们使用迭代签名算法来识别在斑马鱼发育的连续阶段特异性共表达的基因的不同模块。然后,我们对模块之间的几个基因特性进行了详细的比较,从而实现了更少的偏见和更强大的分析。值得注意的是,我们的分析证实了沙漏模式仅在监管水平,与调控区的序列是最保守的基因表达在中期发展,但不是在基因序列,年龄或表达水平,在一些以前的研究。早期保护模型得到了基因复制和出生的支持,这是在早期发育中表达的基因中最罕见的。最后,对于所有的基因特性,我们观察到最少的保守性基因表达在发育后期或成人,与这两种模式一致。总体而言,与模块化的方法,我们表明,不同水平的分子进化遵循不同的模式的发展限制。因此,这两种模型都是有效的,但相对于不同的基因组特征。
2013-03-13 q-bio.GN q-bio.PE
Understanding Transcriptional Regulation Using De-novo Sequence Motif Discovery, Network Inference and Interactome Data
基因调控是一个复杂的过程,涉及几个基因组元件的作用,这些元件协同工作以驱动时空表达。基因调控元件的实验表征是一个非常复杂和资源密集型的过程。计算生物学的主要目标之一是使用来自已知的、先前注释的调控元件的子集的结果来对先前未表征的元件进行\textit{in-silico}注释。ENCODE项目(\emph{http://encode.nih.gov})的最新结果提出了对1%人类基因组的这种功能(调节)非编码元件的深入分析。希望在这个子集上获得的结果可以扩展到基因组的其余部分。这是一项极其重要的工作,它将能够更快地解剖关键生物学过程中的其他功能元件,如疾病进展和器官发育(\cite{Kleinjan2005},\cite{Lieb2006}。这些迄今未表征的区域的计算注释将需要识别具有良好预测价值的特征。在这项工作中,我们研究转录调控作为一个问题,在异构数据集成,跨序列,表达和相互作用组水平的属性。以\textit{Gata2}基因及其最近发现的泌尿生殖系统增强子\cite{Khandekar2004}为例,我们研究了各种高通量功能基因组检测(来自ENCODE和SymAtlas等项目)在表征这些增强子及其调控作用方面的预测价值。观察这些数据模式的现代统计学习方法的应用结果,我们提出了一组最具歧视性的特征来找到这些增强子。
2007-10-09 q-bio.GN
Mapping Dynamic Histone Acetylation Patterns to Gene Expression in Nanog-depleted Murine Embryonic Stem Cells
胚胎干细胞(ESC)具有无限自我更新和分化成三个胚层中任何一个的潜力。自我更新的分子机制,维持多能性和谱系规范知之甚少,但最近的结果指出表观遗传机制的关键作用。在这项研究中,我们专注于量化组蛋白3乙酰化(H3K9,14 ac)对小鼠胚胎干细胞基因表达的影响。我们分析了全基因组组的组蛋白乙酰化模式和基因表达概况,测量了前五天的细胞分化沉默Nanog,一个关键的转录因子在ESC调控触发。我们探索组蛋白乙酰化数据的时间和空间动态及其与基因表达的相关性,使用监督和非监督统计模型。在全基因组范围内,乙酰化的变化与mRNA表达的变化显著相关,令人惊讶的是,这种一致性随着时间的推移而增加。我们在平衡交叉验证程序中量化组蛋白乙酰化对基因表达变化的预测能力。在一项深入的研究中,我们专注于小鼠ESC调控网络的核心基因,包括最近在全基因组RNAi筛选和PluriNet中鉴定的基因,PluriNet是一种计算衍生的干细胞签名。我们发现,与基因组的其余部分相比,ESC特异性基因显示出显着更多的乙酰化信号和更强的乙酰化降低随着时间的推移,这往往不是反映在一个一致的表达变化。这些结果揭示了组蛋白乙酰化和基因表达之间关系的复杂性,并进一步剖析了决定干细胞命运的多层调控机制。
2010-10-15 q-bio.GN
Learning differential module networks across multiple experimental conditions
模块网络推理是一种重建基因调控网络的统计方法,它利用概率图模型从全基因组基因表达和其他组学数据中学习共调控基因及其上游调控程序的模块。在这里,我们回顾了模块网络推理的基本理论,目前常见的基因调控网络重建方案的基础上,柠檬树软件,并显示,使用人类基因表达数据,该软件也可以应用于学习不同的模块网络在多个实验条件。
2018-02-12 q-bio.GN q-bio.MN q-bio.QM
A genomic dominion with regulatory dependencies on human-specific single-nucleotide changes in Modern Humans
研究发现现代人类基因组中存在大量与人类特异性单核苷酸变化相关的基因,这些基因调控着人类形态结构、生理过程和病理状况,并揭示了遗传调控位点在物种生存中的关键作用。
2019-11-20 q-bio.GN
Pervasive variation of transcription factor orthologs contributes to regulatory network evolution
转录调控网络的差异是在生物体中观察到的许多表型变异的基础。顺式调控元件的改变被广泛认为是调控网络进化的主要方式,然而也观察到了由于转录因子(TF)变异而导致调控网络趋异的例子。为了系统地确定转录因子在多大程度上有助于调控分歧,我们分析了最大的一类后生动物转录因子,Cys 2-His 2锌指(C2 H2-ZF)转录因子的进化,跨越12个果蝇物种跨越约4500万年的进化。值得注意的是,我们发现果蝇中所有C2 H2-ZF 1对1直系同源物中有很大一部分表现出可能影响其DNA结合特异性的变异。除了C2 H2-ZF结构域的丢失和募集,我们发现在D.黑腹果蝇和其他种类的苍蝇。这些不同的DNA接触残基,发现在约66%的D。黑腹果蝇C2 H2-ZF基因在我们的分析中,对应于所有注释的D.黑腹TF,显示出功能限制的证据:它们倾向于在系统发育分支中保守,并且比其他分歧残基进化得更慢。这些相同的变异很少被发现的多态性在人口的D。黑腹果蝇,表明它们的快速固定。这些动态域的预测特异性在系统发育距离上逐渐变化,表明TF分歧的逐步进化轨迹。此外,尽管具有保守的C2 H2-ZF结构域的蛋白质在发育功能中富集,但具有不同结构域的那些蛋白质没有表现出功能富集。我们的工作表明,一个子集的高度动态的,很大程度上未经研究的TF是一个可能的来源,在果蝇和其他后生动物的监管变化。
2014-07-01 q-bio.GN q-bio.PE
Genome Sequencing Highlights Genes Under Selection and the Dynamic Early History of Dogs
为了识别狗驯化的遗传变化并重建其早期进化史,我们分析了三只灰狼的新型高质量基因组序列,其中一只来自三个公认的狗驯化中心,两个古老的狗血统(Basenji和Dingo)和一只金豺作为外群。我们发现狗和狼分歧通过一个动态的过程,涉及人口瓶颈的血统和后分歧基因流,这混淆了以前的推断狗的起源。在狗中,驯化瓶颈是严重的,涉及人口规模减少17至49倍,这是一个比以前从不太密集的测序工作中估计的更强的瓶颈。在狼与狗分化后不久,狼的数量就出现了一个急剧的瓶颈,这意味着狗的多样性远远大于现代狼的数量。以突变率为条件,我们将狗最初驯化日期的合理范围缩小到11000年至16000年前。这一时期早于农业的兴起,这意味着最早的狗是与狩猎采集者而不是农业家一起出现的。关于狗的地理起源,我们发现令人惊讶的是,没有一个现存的狼谱系从假定的驯化中心是更密切相关的狗,和采样的狼,而不是形成一个姐妹单系分支。这一结果,结合我们在驯化过程中发现的狗狼混合物,表明重新评估过去的狗起源的假设是必要的。最后,我们还检测选择的签名,包括在形态,代谢和神经发育中涉及的基因选择的证据。独特的是,我们发现支持在监管网站的选择性扫描表明基因调控的变化在狗驯化中发挥了关键作用。
2013-06-04 q-bio.GN
TREEOME: A framework for epigenetic and transcriptomic data integration to explore regulatory interactions controlling transcription
动机:基因表达的预测建模是通过整合高通量组学数据进行转录调控相互作用的计算机探索的有力框架。以前的方法的一个主要限制是他们无法处理条件和协同作用时出现的集体分析基因受到不同的监管机制。这种限制降低了整体预测能力,从而降低了下游生物推断的可靠性。结果如下:我们引入了一个分析建模框架(TREEOME:表达模型树),它通过将基因分离成假定的调控类来整合表观遗传和转录组数据。目前的预测建模方法已经发现DNA甲基化和组蛋白修饰表观遗传数据在预测转录本丰度的准确性方面提供很少或没有改善,尽管例如mRNA水平和启动子定位的DNA甲基化之间存在明显的反相关性。为了改善这一点,在TREEOME中,我们评估了四种可能的方法来制定基因水平的DNA甲基化指标,这为识别基因水平的甲基化事件和随后的差异分析提供了基础,而大多数以前的技术都是在单个CpG二核苷酸的水平上操作的。我们通过整合基因水平的DNA甲基化(亚硫酸氢盐-seq)和组蛋白修饰(ChIP-seq)数据来准确预测H1-hESC和GM 12878细胞系的全基因组mRNA转录丰度(RNA-seq),从而证明了TREEOME。可用性:TREEOME使用开源软件实现,并作为预配置的可引导参考环境提供。本研究中提供的所有脚本和数据均可在http://sourceforge.net/projects/budden2015treeome/上获得。
2015-02-05 q-bio.GN
Informational blueprints reveal condition-dependent gene regulatory architectures
NSF-Simons National Institute for Theory and Mathematics in Biology(NSF-Simons生物理论与数学国家研究所);James Franck Institute, The University of Chicago(芝加哥大学詹姆斯·弗兰克研究所);Division of Biology and Biological Engineering, California Institute of Technology(加州理工学院生物学与生物工程系);Department of Bioengineering, Stanford University(斯坦福大学生物工程系);Department of Applied Physics, Stanford University(斯坦福大学应用物理系);Departments of Molecular & Cell Biology and of Physics, Biophysics Graduate Group, Institute for Quantitative Biosciences-QB3, University of California, Berkeley(加州大学伯克利分校分子与细胞生物学系、物理学系、生物物理学研究生组、定量生物科学研究所-QB3);Chan Zuckerberg Biohub–San Francisco(陈·扎克伯格生物枢纽旧金山中心);Department of Physics, California Institute of Technology(加州理工学院物理学系);Leinweber Institute for Theoretical Physics, The University of Chicago(芝加哥大学莱因韦伯理论物理研究所);Chan Zuckerberg Biohub–Chicago(陈·扎克伯格生物枢纽芝加哥中心)
本研究提出了一种信息蓝图算法,通过压缩全局信息来识别在特定环境条件下活跃的转录因子结合位点,展示了其在大尺度生长条件下的应用价值。
2026-05-18 cond-mat.stat-mech q-bio.GN q-bio.MN
Autism spectrum disorder: a neuro-immunometabolic hypothesis of the developmental origins
本研究提出ASD发育起源的神经-免疫代谢假说,通过SFARI Gene数据库和无监督网络分析验证胎儿神经炎症与产前应激相关的21个基因及六个互作簇。
2022-03-01 q-bio.GN
SCOPE: Siamese Contrastive Operon Pair Embeddings for Functional Sequence Representation and Classification
本文提出SCOPE方法,利用Siamese MLP在融合嵌入空间中学习分类器,通过蛋白质语言模型嵌入实现运算子对的分类,取得0.71的ROC-AUC成绩,表明该方法在微生物基因组中的应用潜力。
2026-05-10 cs.AI cs.ET cs.LG
Deciphering regulatory architectures from synthetic single-cell expression patterns
本文使用平衡与非平衡模型生成合成单细胞基因表达数据,揭示了实验参数对MPRA数据的影响,并展示了优化实验设计以构建具有碱基对特异性的转录组热力学模型的能力。
2024-06-05 q-bio.GN q-bio.QM
Gene family amplification facilitates adaptation in freshwater Unionid bivalve Megalonaias nervosa
由于生物体面临着激烈的快速变化的选择压力,需要新的遗传物质来促进适应。在遗传新颖性的来源中,基因复制和转座因子(TE)提供了新的基因或新的调控模式,可以促进进化变化。随着基因组测序技术的进步,当种群受到威胁时,可以更广泛地了解非模式物种中基因家族的增殖和TE含量的演变。淡水双壳类(蚌科)目前面临着严重的人为挑战。在美国,超过70%的物种受到威胁,濒危或灭绝,由于污染,水道筑坝和过度捕捞。我们已经为M创建了参考基因组。nervosa来确定基因组内容在面对这些广泛的环境挑战时是如何演变的。我们观察到最近的转座因子增殖的爆发,导致382 Mb的基因组内容的扩展。基因家族扩展很常见,每代每个基因的重复率为1.16 x 10 ^-8。细胞色素P450、ABC转运蛋白、Hsp70基因、von Willebrand蛋白、几丁质代谢基因、线粒体吞噬蛋白和视蛋白基因家族经历了显著更大的扩增并显示出选择的特征。我们使用进化理论来评估SNP和重复在进化变化中的相对贡献。估计表明,基因家族进化可能提供了一个特殊的基板的遗传变异在M。nervosa,Psgv = 0.185,而单个核苷酸变化的Psgv = 0.067。因此,我们认为基因家族进化是基因组中促进适应的“希望怪物”的来源。
2020-11-16 q-bio.GN q-bio.PE