华盛顿大学等合作开发基于慢病毒的报告基因实验和机器学习模型

• 全文链接

关键词：

来源：

Nature

全文链接：

//agri.nais.net.cn/topic/downloadFile/ad09b3a7-ab7b-4e55-a6c7-179a1d50b936

来源地址：

https://doi.org/10.1038/s41586-024-08430-9

资源所属：

农业生物技术专题

类型：

学术文献

语种：

英语

原文发布日期：

2025-01-15

摘要：

2025年1月15日，华盛顿大学基因组科学系、加州大学旧金山分校生物工程与治疗科学系、柏林健康研究所等多个机构的Vikram Agarwal、Fumitaka Inoue、Max Schubach等人在Nature发表题为“Massively parallel characterization of transcriptional regulatory elements”研究论文，研究利用基于慢病毒的大量并行报告基因检测（lentiMPRA）技术，测试了超过680,000个序列，这些序列代表了在三种细胞类型（HepG2、K562和WTC11）中广泛注释的候选顺式调控元件（cCREs），发现其中41.7%的序列具有活性。通过在两种方向上测试序列，研究发现启动子具有链方向性偏差，其200核苷酸的核心作为非细胞类型特异性的“开启开关”，为相关基因提供类似的表达水平。相比之下，增强子具有较弱的方向性偏差，但增加了组织特异性特征。利用lentiMPRA数据，研究开发了基于序列的模型，能够高精度预测cCRE功能和变异效应，描绘调控基序并模拟它们的组合效应。进一步测试包含60,000个cCREs的lentiMPRA文库在所有三种细胞类型中的活性，确定了决定细胞类型特异性的因素。总的来说，这项工作为三种广泛使用的细胞系提供了大量的功能性CREs目录，并展示了如何利用大规模功能测量来剖析调控语法。