TERfinder：整合多组学特征的深度学习框架用于髓系白血病转录调控鉴定

《BMC Bioinformatics》：TERfinder: A deep learning framework for multi-omics regulatory analysis in myeloid leukemia

　　

摘要

背景

髓系白血病中转录和表观遗传调节因子（TERs）的系统性鉴定仍然是一个挑战。目前的 TER 鉴定方法通常依赖于单一数据类型，并且对长程调控相互作用的效力有限。在此，我们提出了 TERfinder，这是一个整合多组学特征的深度学习框架，用于预测增强子 - 启动子相互作用（EPIs）并表征髓系白血病中的转录调控程序。

结果

TERfinder 在留出染色体上达到了 0.9644 的 AUC 和 0.9584 的 AUPRC，超过了没有自编码器或组蛋白特征的基线模型（表 S7；DeLong 检验，P?<?0.01）。基序富集鉴定了 C/EBP 和 ETV 家族转录因子（TFs）作为候选调节因子。单细胞调控子分析证实了它们在急性髓系白血病（AML）祖细胞群体中的活性。单细胞分析显示以 SPI1 和 CEBPA 为中心的调控网络在急性髓系白血病（AML）原始细胞中活跃，且其活性与较差的总生存期相关。一个四基因表达特征谱（SPI1, CEBPA, MYC, PTPN6）将急性髓系白血病（AML）患者分层为高危和低危组（对数秩检验P?<?0.01）。

结论

TERfinder 为髓系白血病中的多组学调控推断和候选转录因子（TF）鉴定提供了一个框架。