深度学习预测基因启动子突变对表达的调控作用

为解决罕见病中非编码区致病突变识别难题，研究人员开发了深度学习模型PromoterAI，精准预测启动子变异对基因表达的调控作用。通过分析数千例RNA和蛋白质表达数据，发现这些变异会导致表达异常并受负选择压力。实验验证其在罕见病相关基因中的富集现象，估算启动子变异贡献了6%的罕见病遗传负担。

　　

当前外显子测序仅能诊断少数罕见遗传病患者，暗示致病突变可能潜伏在非编码区。这项研究构建的深度学习神经网络PromoterAI，可高效识别调控基因表达的启动子变异（promoter variants）。数据分析显示，这些预测具有表达改变效应的变异，在人群RNA和蛋白质水平均引发显著表达异常，并受到强烈的负选择（negative selection）压力。

值得注意的是，罕见病患者临床相关基因中此类变异显著富集，报告基因检测（reporter assays）进一步验证了其功能影响。研究团队估算，启动子变异贡献了约6%的罕见病遗传负担，为破解"诊断荒漠"提供了新思路。该成果通过人工智能解码非编码区"暗物质"，为罕见病精准诊疗开辟了新路径。