.png){kind=icon}
返回
Predicting gene expression from DNA sequence using deep learning models
.png){kind=icon}
PRE
AI
DOI：10.1038/s41576-025-00841-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基因转录由DNA元件（如启动子和增强子）调控，而这些元件的活动又受到多种转录因子的控制。由于涉及高度复杂的组合逻辑，构建能够根据DNA序列预测基因活性的计算模型一直较为困难。近年来，将深度学习技术应用于表观基因组图谱和高通量报告基因实验数据的研究取得了显著进展，有助于应对这一复杂性。此类模型能够以惊人的准确性捕捉调控语法，并在预测非编码变异的影响、揭示基因调控的详细分子机制以及设计生物技术合成的调控元件方面展现出巨大潜力。本文探讨了这些方法的原则、可用的训练数据集类型以及不同方法的优缺点。Barbadilla-Martínez等人综述了基于深度学习的序列-表达模型的最新进展，这些模型仅依据DNA序列预测基因表达水平，为理解基因表达顺式调控的复杂组合逻辑提供了新的见解。
期刊
IF:
52
论文数:
4.0K
被引数:
4.3W
机构
引用论文
scooby: Modeling multi-modal genomic profiles from DNA sequence at single-cell resolutionScooby: 在单细胞分辨率下对多模态基因组谱进行DNA序列建模.png)
OAAI
IF0
OAAI分享收藏Transfer learning reveals sequence determinants of the quantitative response to transcription factor dosage迁移学习揭示了转录因子剂量对定量响应的序列决定因素
OAAI
OAAI分享收藏Evaluating the informativeness of deep learning annotations for human complex diseasesNATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏A community effort to optimize sequence-based deep learning models of gene regulation社区努力优化基于序列的基因调控深度学习模型NATURE BIOTECHNOLOGYOAAI
NATURE BIOTECHNOLOGYIF41.7
OAAI分享收藏Activity-by-contact model of enhancer-promoter regulation from thousands of CRISPR perturbations来自数千个CRISPR扰动的增强子-启动子调控的接触活性模型NATURE GENETICSOAAI
NATURE GENETICSIF31.8
OAAI分享收藏
查看更多内容