机器学习模型训练与特征选择
训练并验证RetroSom模型，以区分真实与虚假的体细胞MEI支持读段。
使用Illumina Platinum Genomes数据集（17个个体，三代家系）中的生殖系MEI作为训练集，基于孟德尔遗传模式标记真/假MEI，提取16-28个序列特征，构建随机森林模型（4个亚模型：L1 PE、L1 SR、Alu PE、Alu SR），并进行11折交叉验证。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
机器学习揭示人类神经元和胶质细胞中体细胞L1插入的双侧分布
Machine learning reveals bilateral distribution of somatic L1 insertions in human neurons and glia
实验完整度
高包括机器学习算法开发与验证、独立数据集基准测试、体细胞MEI发现与实验验证（ddPCR、巢式PCR、OE-PCR）、空间分布分析及细胞报告基因功能验证。
主要模型
人类成年脑神经元（NeuN+）与胶质细胞（NeuN-） 人类胎儿脑神经元与星形胶质细胞 HeLa细胞 克隆扩增的胎儿神经干细胞（数据集316和320）
重点核对
深度学习模型RetroSom使用支持读段特征进行分类，需≥2个支持读段以保证高精度（L1: 99.97%, Alu: 99.99%） 体细胞MEI验证采用ddPCR定量嵌合水平，使用针对插入连接点的引物和探针 神经元和胶质细胞分选采用FANS（NeuN+）或免疫淘选，纯度>99.95% WGS测序深度为200×，使用TruSeq Nano文库（PCR-based）或PCR-free文库 报告基因实验使用pGint载体，共转染Rint对照，转染后23小时测量荧光强度
摘要
逆转座子可引起人类神经系统中的体细胞基因组变异，这被认为可能与大脑发育和神经精神疾病有关。然而，检测单个体细胞移动元件插入（MEI）存在困难的信噪比问题。利用机器学习方法（RetroSom）和深度全基因组测序，我们分析了来自人脑的分选神经元和胶质细胞中的L1和Alu逆转座。我们在一名精神分裂症供体的神经元和胶质细胞中鉴定出两个脑特异性L1插入。L1插入在神经元和胶质细胞中跨两个半球呈解剖学分布，表明逆转座发生在早期胚胎发生过程中。两个插入均位于与神经精神疾病相关的基因组位点内的基因（CNNM2、FRMD4A）的内含子中。概念验证实验表明，这些L1插入显著降低了基因表达。这些结果表明，RetroSom在大脑发育研究中具有广泛的应用，并可能为体细胞逆转座的潜在病理效应提供见解。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 人类大脑中是否存在体细胞L1插入，其分布和功能影响如何？
- 核心机制
- 体细胞L1逆转座发生在早期神经发生过程中，产生跨半球分布的神经元和胶质细胞嵌合；插入内含子可影响基因表达。
- 主要证据
- 通过深度学习算法RetroSom分析200×WGS数据发现两个L1插入，经ddPCR、巢式PCR和OE-PCR验证，并证明位于CNNM2和FRMD4A内含子中，报告基因实验显示其降低EGFP表达。
- 研究意义
- RetroSom为研究体细胞逆转座提供了精确且经济的方法，可能有助于理解神经精神疾病的病理机制。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
独立数据集基准测试
评估RetroSom在不同实验条件和较低嵌合水平下的检测性能。
利用克隆扩增的胎儿脑细胞数据集（316和320）、PCR-free文库重测序数据、以及基因组混合实验（将6个基因组DNA以0.04%-25%比例与NA12878混合）进行性能评估。
体细胞转座子发现与验证
在真实人脑样本中应用RetroSom发现体细胞L1插入，并通过多种实验验证。
对6个供体（A1S、F1、10011、11003、11004、12004）的分选神经元和胶质细胞进行200×WGS，应用RetroSom检测体细胞MEI，并通过ddPCR、巢式PCR、重叠延伸PCR验证L1#1和L1#2。
空间分布分析
确定L1插入在大脑各区域的分布和嵌合水平，以推断其发生时间。
使用ddPCR在24个解剖区域（两侧半球对称位置）的神经元和胶质细胞中测量L1#1和L1#2的嵌合水平。
报告基因功能验证
验证L1插入对基因表达的影响。
将L1#1和L1#2全长序列（含侧翼序列）克隆到EGFP报告基因pGint的内含子中，转染HeLa细胞，测量绿色荧光强度。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 细胞分选 | anti-NeuN-PE抗体 | Milli-Mark | FCMAB317PE |
| DAPI | -- | -- | |
| BD Aira分选仪 | BD | -- | |
| 细胞培养 | DMEM培养基 | -- | -- |
| 胎牛血清 | -- | -- | |
| DNA提取 | QIAamp DNA小提试剂盒 | Qiagen | -- |
| 全基因组测序 | TruSeq Nano DNA样本制备试剂盒 | Illumina | -- |
| HiSeq X测序系统 | Illumina | -- | |
| PCR-free测序 | TruSeq DNA PCR-free样本制备试剂盒 | Illumina | -- |
| ddPCR | ddPCR探针用超级混合液（无dUTP） | Bio-Rad | -- |
| QuantaSoft Analysis Pro软件 | Bio-Rad | -- | |
| 巢式PCR | Phusion Green Hot Start II HF PCR预混液 | Thermo Fisher | -- |
| PCR纯化 | Zymoclean凝胶DNA回收试剂盒 | Zymo Research | D4007 |
| 克隆构建 | BamHI-HF限制酶 | NEB | R3136S |
| ApaI限制酶 | NEB | R0114S | |
| Instant Sticky End连接酶预混液 | NEB | M0370S | |
| 质粒提取 | QIAprep离心小提试剂盒 | Qiagen | 27106 |
| 转染 | Lipofectamine 3000转染试剂 | Thermo Fisher | -- |
| 荧光显微 | Leica DMI 3000B显微镜 | Leica | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 测序 | 测序深度200×，双端150bp，PCR-free或低循环PCR文库；样本类型为分选神经元或胶质细胞；DNA提取质量（DIN>7） 阅读提示：Methods: 全基因组测序部分 |
| 数据过滤 | 排除区域：着丝粒/端粒重复、节段重复、参考gap、同类型参考MEI（L1: 23.6%正链，23.7%负链；Alu: 21.0%正链，21.1%负链）；支持读段复杂度（SEG<1）；深度异常（±3 SD） 阅读提示：Methods: RetroSom pipeline - Sequence alignment and candidate supporting reads |
| 机器学习模型 | 训练数据：Illumina Platinum Genomes（17个体，50×）；真/假MEI基于孟德尔遗传；特征集（L1/Alu PE/SR；16-28个特征）；随机森林模型参数（默认）；概率阈值>0.5 阅读提示：Methods: Model training |
| 体细胞MEI发现 | 支持读段≥2；在脑分数中存在，对照组织无；通过RetroVis可视化及人工筛选 阅读提示：Methods: 体细胞转座子发现与验证（Results部分） |
| ddPCR验证 | 引物/探针设计（目标连接点）；模板量30ng；最低4个技术重复；反应体系（0.9μM引物，0.25μM探针）；循环条件：95°C 10min，94°C 30s，59°C 1min ×50，98°C 10min 阅读提示：Methods: 探针法ddPCR |
| 报告基因实验 | HeLa S3细胞；转染试剂Lipofectamine 3000；报告质粒pGint；对照质粒Rint；转染后23小时测量；荧光图像采集参数（曝光200ms，增益9） 阅读提示：Methods: 报告基因实验 |