综述:深度学习用于破译植物顺式调控代码
《Plants》:Deep Learning for Deciphering the Plant Cis-Regulatory Code
【字体:
大
中
小
】
时间:2026年08月27日
来源:Plants 4.1
摘要
塑造植物基因表达的大部分调控信息位于蛋白质编码区域之外,包括许多与农艺性状相关的位点。深度学习模型利用 DNA 序列和多组学数据来检查这种顺式调控信息的组成部分。本综述比较了用于表示局部序列特征、染色质状态和三维基因组组织的卷积、基于 Transformer 和图架构。我们评估了它们在转录因子结合、染色质可及性、基因表达、非编码变异优先级排序和调控序列设计方面的应用。植物研究报告了在作者定义的测试集上的预测性能,预训练模型已辅助多个物种的候选顺式调控元件注释和优先级排序。一些启动子也已被设计并经实验测试,尽管生成式启动子和增强子设计仍处于早期阶段。在这些应用中,证据支持在预测与因果关系、计算归因与生物学功能以及长程序列依赖性与物理接触之间做出明确区分。泛化能力受到物种和基因型采样不均、单细胞数据稀疏、转座元件映射和参考偏差以及多倍体的限制。独立和实验验证也仍然有限。当它们产生可经实验测试的预测时,植物特异性基准测试和泛基因组感知的表示将最有价值。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号