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。
Quantifying the regulatory potential of genetic variants via a hybrid sequence-oriented model with SVEN.
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
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)
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
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
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。
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。
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。
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。
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。
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。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| CRISPR实验质粒构建 | DNA纯化试剂盒 | Zymo | D4003 |
| CRISPR实验质粒组装 | Golden Gate组装试剂盒 | NEB | E1602 |
| 慢病毒包装转染 | 聚乙烯亚胺 | Proteintech | PR40001 |
| 慢病毒包装 | pCMVR8.74质粒 | Addgene | 22036 |
| pVSV-G质粒 | Addgene | 138479 | |
| 细胞筛选 | 嘌呤霉素 | InvivoGen | ant-pr-1 |
| 细胞培养 | DMEM培养基 | HyClone | SH30243.01 |
| 胎牛血清 | Gibco | 10091148 | |
| 青霉素-链霉素-两性霉素B溶液 | Solarbio | P7630 | |
| 核酸提取 | AllPure DNA/RNA试剂盒 | Magen | R5111 |
| 逆转录 | HiScript III RT SuperMix for qPCR | Vazyme | R323-01 |
| qPCR | ChamQ Universal SYBR qPCR预混液 | Vazyme | Q711-03 |
| 罗氏LightCycler 480实时荧光定量PCR仪 | Roche | -- |
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 |