《Advanced Science》:NanoLoop: A Deep Learning Framework Leveraging Nanopore Sequencing for Chromatin Loop Prediction
编辑推荐:
染色质环(Chromatin loops)在基因调控和细胞功能中扮演着至关重要的角色,为理解基因组三维(3D)结构及其对细胞稳态的影响提供了关键见解。纳米孔测序技术凭借其同时检测序列和甲基化模式的优势,为研究3D基因组结构带来了新的机遇。研究人员介绍了Nano
染色质环(Chromatin loops)在基因调控和细胞功能中扮演着至关重要的角色,为理解基因组三维(3D)结构及其对细胞稳态的影响提供了关键见解。纳米孔测序技术凭借其同时检测序列和甲基化模式的优势,为研究3D基因组结构带来了新的机遇。研究人员介绍了NanoLoop,这是首个尝试利用纳米孔数据预测全基因组染色质相互作用的算法框架。在四个人类淋巴母细胞系中的实验表明,NanoLoop展现了卓越的预测性能和跨细胞系泛化能力。研究人员还发现了锚点处存在的四种不同甲基化模式,这些模式影响组蛋白修饰水平并决定了多种环类型。NanoLoop进一步预测了先前未表征的长程染色质环,强调了DNA甲基化与3D基因组组织之间的潜在联系,并为表观遗传修饰与3D基因组组织之间复杂的调控关系提供了新的见解。
论文解读:NanoLoop——基于纳米孔测序的染色质环深度学习预测框架
研究背景与现状
DNA不仅是生命的蓝图,更是调控细胞功能和基因表达的3D基因组结构的基石。染色质环作为组织基因组空间结构的基本单元,使增强子、启动子和绝缘子能够与目标基因物理接近,从而精确控制转录活性。随着染色质构象捕获(3C)技术的不断发展,诸如Hi?C、ChIA?PET以及HiChIP/PLAC?Seq等方法极大地推动了3D基因组学的发展。然而,现有基于Hi?C数据的深度学习算法往往忽视了表观遗传修饰(如DNA甲基化)对3D染色质结构的影响;而依赖ChIA?PET数据的算法则受限于特定靶蛋白,难以全面预测各种蛋白质介导的染色质相互作用。纳米孔测序技术能够在测序的同时检测DNA序列和甲基化状态,若基于此开发染色质环预测方法,将有望利用序列与表观信息的融合实现更全面、准确的全基因组预测,揭示表观遗传与3D基因组组织的复杂关系。该研究成果已发表于《Advanced Science》。
关键技术方法概述
本研究开发了一种名为NanoLoop的深度学习框架,利用纳米孔测序数据预测全基因组染色质环。核心技术路线包括:构建包含序列模块(Sequence Module)和甲基化模块(Methylation Module)的双模态架构;利用牛津纳米孔技术(ONT)测序数据,经Guppy进行碱基识别(Base calling)、Flye进行组装、Deepsignal进行甲基化识别的数据处理流程;采用卷积神经网络(CNN)提取DNA序列特征,结合极端梯度提升树(XGBoost)算法学习甲基化特征与环形成的关系;使用来自Genome in a Bottle (GIAB) Consortium和International Genome Sample Resource (IGSR)的四个人类淋巴母细胞系(HG001?HG004)的纳米孔及对应Hi?C数据作为训练与验证的基础数据集。
研究结果
2.1 NanoLoop的架构
NanoLoop利用从纳米孔测序数据中提取的DNA序列和甲基化特征进行预测。序列模块将左右锚点的DNA序列编码为One?hot表示,输入一维卷积神经网络(Conv1D)提取序列特异性特征,生成512维特征向量;研究人员通过比较发现,基于CNN的编码器在参数效率和精度平衡上优于Transformer。甲基化模块则利用XGBoost算法,通过计算锚点对内的CpG甲基化相关性等特征来预测环形成概率。最终,序列特征、甲基化特征及锚点距离被整合输入至一个联合的XGBoost模型,输出染色质环形成的概率。
2.2 NanoLoop在跨细胞系染色质相互作用预测中实现稳健且可泛化的性能
研究人员利用四个细胞系(HG001?HG004)的数据对NanoLoop进行评估,并将其与ChINN、CLNN?Loop和DeepCTCFLoop等现有方法进行基准测试。结果显示,NanoLoop在所有细胞系中均表现最佳,Area Under the Precision?Recall Curve (auPRC)得分分别达到0.96、0.95、0.92和0.88。在跨细胞系测试中,NanoLoop同样表现出强大的泛化能力,auPRC均超过0.83,显著优于其他模型,证明了其学习到的环预测模式具有鲁棒性和可转移性。
2.3 距离与甲基化相关性驱动NanoLoop中的染色质环形成
通过对特征重要性的分析,研究人员发现距离是预测环形成的最关键特征,但其重要性随距离增加而下降;而甲基化相关性在长距离(>1.5?Mb)环的预测中成为主要贡献因子。仅使用序列信息的模型性能最低(auPRC?0.51),表明DNA序列本身提供的信息有限。全基因组分布分析显示,3D染色质环、DNA甲基化和开放染色质区域具有相似的聚类模式,且真实环锚点的平均CpG含量高于随机产生的假环。
2.4 DNA甲基化变化对染色质环形成的影响及其在印记域调控中的应用
研究人员设计了实验验证甲基化变化对环概率的独立影响。通过替换低概率环的甲基化特征为高概率环的特征,发现环形成概率显著提升,表明动态DNA甲基化可重塑3D基因组结构。在经典的IGF2?H19印记域调控案例中,NanoLoop成功预测了差异甲基化区域(DMR)在未甲基化状态下促进增强子与H19的互作,而在甲基化状态下则转变为增强子与IGF2的互作,反映了已知的印记机制。
2.5 聚类分析揭示甲基化模式对环类型和拓扑关联结构域(TAD)结构的影响
基于锚点甲基化水平进行K?Means聚类,研究人员将环和锚点划分为四种不同的甲基化模式。分析发现,相似甲基化水平的锚点更倾向于配对形成环,而甲基化水平差异显著的锚点对(如模式1与模式4)极少出现。不同甲基化组合与特定的组蛋白修饰富集相关,例如模式1?4中同时表现出高水平的H3K4me3和H3K27me3;此外,高甲基化组合的环中增强子?增强子(E?E)、增强子?启动子(E?P)和启动子?启动子(P?P)的比例显著高于低甲基化组合。
2.6 甲基化峡谷在长程环形成与预测中的作用
针对造血干祖细胞(HSPCs),研究人员分析了长程环(>2?Mb)与甲基化峡谷(methylation canyons)的关系。结果显示,长程环常与甲基化峡谷空间邻近,且具有更低的DNA甲基化水平和更高的H3K4me1及H3K27me3富集。在预测性能上,NanoLoop在阈值0.5下的召回率达到93%,远高于仅依赖序列特征的ChINN(6%)。此外,NanoLoop成功预测了HSPCs中POU4F1与ZIC2基因间的长程相互作用,并通过全基因组扫描发现了44个先前未表征的长程环。
结论与讨论
研究人员提出了NanoLoop这一首个利用纳米孔测序数据预测全基因组染色质环的框架,通过整合卷积神经网络和XGBoost,有效融合了DNA序列与甲基化信息。相比依赖序列或CTCF特异性特征的传统方法,NanoLoop在处理甲基化调控的异质性环方面表现突出。研究发现,除基因组距离外,锚点处的甲基化相关性是决定环形成的关键非距离因素,并据此识别出四种与组蛋白修饰及环类型紧密相关的甲基化模式。尤为重要的是,NanoLoop展示了预测长程染色质环的强大能力,其成功识别已知长程环并发现新环的成果,凸显了甲基化峡谷与长程相互作用的联系。随着纳米孔测序技术的持续进步和数据积累,NanoLoop有望在3D基因组学、表观遗传调控网络构建及疾病生物标志物识别等领域发挥关键作用,推动精准医学的发展。