利用混合深度学习技术估计基因型-组织特异性的基因表达

《Communications Biology》：Estimating genotype-tissue specific gene expression using hybrid deep learning

　　

摘要

基因型-组织表达谱对于理解遗传变异如何影响不同组织中的基因调控至关重要，但这些谱型数据往往缺失或不完整，而实验性分析既昂贵又耗时。尽管存在用于多组织数据填补和基于序列的表达预测的计算方法，但这些方法并未明确利用邻近参考基因的表达信息及其基因组背景来进行综合数据填补。为了解决这一问题，我们开发了一种新型的混合深度学习模型，该模型结合了卷积神经网络（CNN）、Transformer编码器以及XGBoost回归器，能够以高精度估算这些表达谱。通过整合启动子序列、组织间相关性、基因间距离以及基因取向信息，我们的模型相比基于距离的方法准确度提升了约30%，生成的表达谱与实验数据高度吻合。我们通过完成GTEx数据集中的缺失谱型来展示了该模型的实用性。该模型为实现基因型-组织特异性表达谱的估算提供了一种实用且可扩展的替代方案，特别适用于表达水平较低的水分子基因以及特征不明确的基因组，为实验数据匮乏的基因组学研究领域带来了新的进展。