机器学习算法预测基因在单个细胞中是如何被调控的

研究人员开发了一种软件工具，可以识别基因的调节者。该系统利用机器学习算法来预测哪些转录因子在单个细胞中最有可能是活跃的。

　　

 

   

图片:由UIC研究人员开发的BITFAM机器学习系统的示意图概述。用户提供的测序数据(“规范化scRNA-Seq基因表达”)和转录因子结合位点的现有数据…

资料来源:基因组研究，署名4.0国际CC BY 4.0许可证

美国伊利诺伊大学芝加哥分校(University of Illinois Chicago)的一组科学家开发了一种软件工具，可以帮助研究人员更有效地识别基因的调控者。该系统利用机器学习算法来预测哪些转录因子在单个细胞中最有可能活跃。

转录因子是与DNA结合并控制细胞内基因的“开启”或“关闭”的蛋白质。这些蛋白质是生物医学研究人员关注的，因为理解和操纵细胞中的这些信号可以成为发现某些疾病新疗法的有效途径。然而，人类细胞中有数百种转录因子，需要多年的研究，经常通过反复试验来确定哪些是最活跃的——在不同类型的细胞中表达或“开启”的，哪些可以作为药物靶点。

该系统被命名为BITFAM，即贝叶斯推理转录因子活性模型，UIC开发的系统通过结合从单细胞RNA测序收集到的新的基因表达谱数据和转录因子靶基因的现有生物学数据来工作。有了这些信息，该系统运行大量的计算机模拟，以找到最合适的，并预测细胞中每个转录因子的活性。

UIC的研究人员在Rehman和UIC医学院和工程学院生物工程系副教授Dai Yang的共同领导下，在肺、心脏和脑组织细胞中测试了该系统。关于模型的信息和他们的测试结果发表在今天的《基因组研究》杂志上。

“我们的方法不仅识别了有意义的转录因子活性，而且还为潜在的转录因子调控机制提供了有价值的见解，”该研究的第一作者、生物工程系博士生高尚(音)说。“例如，如果一个特定转录因子的目标80%在细胞内被激活，这就告诉我们它的活性很高。通过为细胞中的每一个转录因子提供这样的数据，该模型可以让研究人员很好地知道，在探索在这类细胞上新药物靶点时，应该首先研究哪些转录因子。”

研究人员说，新系统是公开可用的，可以广泛应用，因为用户可以灵活地将它与其他可能最适合他们研究的分析方法相结合，比如寻找新的药物靶点。

“这种新方法可以用于开发有关细胞中调节转录因子的关键生物学假设，涉及广泛的科学假设和主题。它将使我们能够从许多组织中深入了解细胞的功能。”

Rehman的研究重点是血管系统炎症的机制，他说，与他的实验室相关的一个应用是使用新系统来关注在特定细胞类型中驱动疾病的转录因子。“例如,我们想了解是否能从转录因子的活性区分健康的和不健康的免疫细胞,在COVID-19的情况下,心脏病或阿尔茨海默病,就经常会出现不平衡的免疫反应,”

＃＃＃

这些研究得到了美国国立卫生研究院(National Institutes of Health, P01HL60678, R01HL154538, R01HL149300, R01HL126516)的资助。