返回
Transcriptome Complexity Disentangled: A Regulatory Molecules Approach
DOI:10.3390/ijms26062510.png)
摘要
En 中文
转录因子(TFs)和微RNA(miRNAs)是基因表达、细胞状态和生物学过程的基本调控因子。本研究探讨了少量TFs和miRNAs能否准确预测全基因组范围的基因表达。我们分析了来自癌症基因组图谱的31种癌症类型的8895个样本,并使用无监督学习识别出28个miRNA和28个TF聚类。这些聚类的中心点能够以92.8%的准确率区分组织来源,表明其生物学相关性。我们开发了组织无关和组织相关的模型,利用56个选定的中心点miRNA和TFs预测20,000个基因的表达。通过整合组织特异性信息,组织相关模型达到了R2为0.70。尽管仅测量了转录组的1/400,预测准确性与1000个标志基因达到的准确度相当。这表明转录组具有固有的低维结构,可由少数调控分子捕获。我们的方法可能实现更经济的转录组检测和对低质量样本的分析,同时为miRNAs/TFs与其他机制高度调控的基因提供见解。然而,模型的可移植性受到数据集差异的影响,尤其是在miRNA分布方面。总体而言,本研究展示了生物学引导方法在稳健转录组表示方面的潜力。
Keyword:
transcriptome representation
transcription factors (TFs)
microRNAs (miRNAs)
low-dimensional structure
tissue-aware modeling
期刊
IF:
4.9
论文数:
2.0W
被引数:
44.5W
机构
引用论文
LINCS Data Portal 2.0: next generation access point for perturbation-response signaturesLINCS数据门户2.0: 扰动响应签名的下一代接入点
NUCLEIC ACIDS RESEARCH
IF13.1
Single cell transcriptomic analysis of human pluripotent stem cell chondrogenesis
NATURE COMMUNICATIONS
IF15.7

