利用混合序列导向模型SVEN量化遗传变异的调控潜力

Quantifying the regulatory potential of genetic variants via a hybrid sequence-oriented model with SVEN.

作者信息Yu Wang, Nan Liang, Ge Gao
PMID39738063
发布时间2024-12-30
DOI10.1038/s41467-024-55392-7

实验完整度

高

包含计算模型构建、大规模数据评估、CRISPR实验验证及MPRA基准测试,具备功能验证与机制提示

主要模型

365种组织和细胞系的梯度提升树模型 深度学习神经网络(基于ENCODE 4516个功能基因组特征) A375细胞系CRISPR缺失实验 大规模结构变异数据集(来自1019、3622个样本及ClinVar)

重点核对

模型在测试集上基因表达预测的Spearman相关系数(均值0.892) SVEN对结构变异调控效应预测与配对RNA-seq观测值的Spearman相关系数(0.921) CRISPR实验验证的5个缺失中4个方向预测正确,2个统计显著 MPRA基准测试中SVEN的AUROC较现有方法提升8.9% 特征重要性分析中mRNA decay特征平均重要性最高

摘要

解读非编码DNA如何决定基因表达对于解码功能基因组至关重要。理解非编码遗传变异的转录效应仍是重大未解决问题,这对人类遗传学和精准医学的下游应用至关重要。在此,我们整合调控特异性神经网络和组织特异性梯度提升树,构建了SVEN:一种混合序列导向架构,能够准确预测组织特异性基因表达水平,并量化结构变异在超过350种组织和细胞系中的组织特异性转录组影响。我们进一步系统筛选了源自3622个个体的大规模结构变异数据集和来自ClinVar的临床结构变异,并提供了群体中结构变异转录组影响的概览。作为序列导向模型,SVEN还能够预测小型非编码变异的调控效应。我们期望SVEN将能够更有效地进行人类全基因组疾病相关遗传变异的计算机分析和解读。

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
如何准确预测组织特异性基因表达并量化结构变异及小非编码变异对基因表达的调控影响?
核心机制
SVEN通过整合深度学习网络学习序列调控密码与梯度提升树预测组织特异性表达,并基于等位基因序列差异计算log2倍数变化来量化变异效应。
主要证据
在365种组织和细胞系中基因表达预测平均Spearman相关系数0.892;对94,366个SV-基因对预测与RNA-seq观测值Spearman相关系数0.921;CRISPR实验验证5个缺失中4个方向正确;MPRA基准AUROC提升8.9%。
研究意义
SVEN将有助于更有效地在计算机中分析和解读人类全基因组疾病相关遗传变异,并可与致病性预测算法互补。

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。

1

构建SVEN混合模型

建立能够从序列预测组织特异性基因表达并量化变异调控影响的模型

训练4516个功能基因组特征的深度学习网络,经特征选择和变换后,用梯度提升树预测365种组织和细胞系的基因表达。

2

评估基因表达预测性能

验证SVEN在held-out序列上预测组织特异性基因表达水平的准确性

在排除于训练集的测试序列上评估365种组织和细胞系的基因表达预测,并与ExPecto和Enformer比较。

3

评估结构变异调控效应预测

验证SVEN预测结构变异对基因表达影响的能力

将SVEN应用于来自1019个样本的大规模结构变异数据集,比较预测表达水平与配对RNA-seq观测值。

4

CRISPR实验验证预测的缺失效应

实验验证SVEN预测的缺失对基因表达的影响方向

选择预测影响最强的5个缺失,在A375细胞中进行CRISPR-based缺失,用qPCR检测目标基因mRNA相对丰度。

5

小非编码变异效应预测评估

评估SVEN预测小非编码变异(长度≤50 bp)调控效应的性能

在MPRA测试的5,248,124个变异上计算预测分数,并与现有方法比较AUROC;同时评估细胞系特异性变异预测。

6

大规模群体和临床结构变异筛选

系统评估群体中常见和致病性结构变异对基因表达的潜在影响

应用SVEN预测来自3622个样本的结构变异数据集和ClinVar致病/良性结构变异对基因表达的影响,并在53个GTEx组织中计算最大效应。

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
DNA纯化试剂盒ZymoD4003
Golden Gate组装试剂盒NEBE1602
聚乙烯亚胺ProteintechPR40001
pCMVR8.74质粒Addgene22036
pVSV-G质粒Addgene138479
嘌呤霉素InvivoGenant-pr-1
DMEM培养基HyCloneSH30243.01
胎牛血清Gibco10091148
青霉素-链霉素-两性霉素B溶液SolarbioP7630
AllPure DNA/RNA试剂盒MagenR5111
HiScript III RT SuperMix for qPCRVazymeR323-01
ChamQ Universal SYBR qPCR预混液VazymeQ711-03
罗氏LightCycler 480实时荧光定量PCR仪Roche--

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
深度学习网络训练
训练序列数量34,021,验证集2,213,测试集1,937;输入长度131,072 bp;损失函数Poisson负对数似然;优化器Adam;批次大小32;训练1000轮早停
阅读提示:Methods中'Model training and evaluation of SVEN'小节
梯度提升树训练与特征选择
使用XGBoost v2.0.1;训练基因22,713个(排除8号染色体),验证集9号染色体939个基因;三轮特征选择后特征数稳定;伪计数0.01(GTEx组织0.0001)
阅读提示:Methods中'Framework architecture of SVEN'和'Model training and evaluation of SVEN'小节
结构变异效应预测
SV-基因对定义:SV完全落在TSS中心131,072 bp区域内;使用log2 fold change;参考基因组GRCh38;GM12878模型预测LCL细胞系
阅读提示:Methods中'Prediction of the effects of SVs on gene expression'和'Evaluation of the ability of SVEN to predict the effects of SVs on gene expression'小节
CRISPR实验验证
A375细胞系;5个缺失(长度<1 kb,预测上调,RPKM>1);慢病毒转导;嘌呤霉素0.5 µg/mL筛选24小时;qPCR每个测量4个技术重复;内参基因RPL41;双向独立样本t检验
阅读提示:Methods中'Experimental validation'小节及Fig. 3b和c图注
MPRA基准评估
变异总数5,248,124(阳性30,121,阴性5,218,003);预测分数公式中M=4516,N=896;HepG2和K562细胞系特异性变异分析
阅读提示:Results中'SVEN improves small noncoding variant effects prediction'小节及Fig. 3e和f图注
大规模群体和临床SV筛选
3622个样本的133,886个SVs;ClinVar致病缺失11,509、重复573、倒位14;53个GTEx组织最大效应绝对值;Wilcoxon秩和单侧检验
阅读提示:Methods中'Estimation of the effects of SVs in large populations and pathogenic SVs'小节