撰文|亦

人類(lèi)啟動(dòng)子活性預(yù)測(cè)的傳統(tǒng)深度學(xué)習(xí)方法依賴(lài)于整合大量表觀(guān)基因組數(shù)據(jù)進(jìn)行訓(xùn)練【1，2】，計(jì)算成本高且只能反映序列與表達(dá)的相關(guān)性，難以直接推斷因果關(guān)系，也無(wú)法預(yù)測(cè)未包含在訓(xùn)練集中的細(xì)胞類(lèi)型或條件下的調(diào)控變化。

近日，荷蘭烏得勒支昂科德研究所Bas van Steensel團(tuán)隊(duì)與Jeroen de Ridder團(tuán)隊(duì)合作，共同在Nature上發(fā)表了一篇題為Regulatory grammar in human promoters uncovered by MPRA-based deep learning的文章。 研究團(tuán)隊(duì)開(kāi)發(fā)了PARM（promoter activity regulatory model） —— 一個(gè)基于細(xì)胞類(lèi)型特異性MPRA數(shù)據(jù)訓(xùn)練的輕量級(jí)深度學(xué)習(xí)模型，能夠僅從DNA序列準(zhǔn)確預(yù)測(cè)啟動(dòng)子活性，并解析啟動(dòng)子的調(diào)控語(yǔ)法。

為了直接從DNA序列預(yù)測(cè)啟動(dòng)子活性并克服傳統(tǒng)表觀(guān)基因組模型的局限性，研究者利用K562和HepG2細(xì)胞的基因組范圍MPRA數(shù)據(jù)訓(xùn)練了細(xì)胞特異性卷積神經(jīng)網(wǎng)絡(luò)模型PARM。他們發(fā)現(xiàn)PARM能高精度預(yù)測(cè)啟動(dòng)子活性（K562中Pearson’s R=0.92，HepG2中R=0.89），并能準(zhǔn)確預(yù)測(cè)個(gè)體片段的活性以及整合于基因組中的啟動(dòng)子活性（R=0.78-0.80）。通過(guò)ISM分析，PARM成功預(yù)測(cè)了TERT啟動(dòng)子中致癌突變（如C250T和C228T）會(huì)增強(qiáng)表達(dá)，并在預(yù)測(cè)血液組織中順式作用eQTLs方面達(dá)到了與大型模型Enformer相當(dāng)?shù)木?，但參?shù)量（742,337）遠(yuǎn)少于Borzoi（>3千萬(wàn)）。

為了進(jìn)一步驗(yàn)證PARM的預(yù)測(cè)能力并探索其設(shè)計(jì)全新啟動(dòng)子的潛力，研究者采用遺傳算法，以PARM為評(píng)估函數(shù)，從隨機(jī)序列開(kāi)始迭代優(yōu)化生成合成啟動(dòng)子。他們發(fā)現(xiàn)該算法生成了大量PARM預(yù)測(cè)為高活性的多樣化序列。實(shí)驗(yàn)驗(yàn)證顯示，這些合成啟動(dòng)子的實(shí)測(cè)活性與預(yù)測(cè)強(qiáng)相關(guān)，其中最強(qiáng)合成啟動(dòng)子的活性與天然最強(qiáng)啟動(dòng)子相當(dāng)。更重要的是，定向突變PARM預(yù)測(cè)為關(guān)鍵的12-18個(gè)核苷酸，會(huì)導(dǎo)致合成啟動(dòng)子活性平均降低3.16±0.77倍，證明模型能精準(zhǔn)識(shí)別功能序列元件。這些 合成序列與人類(lèi)基因組無(wú)顯著相似性，但包含了K562細(xì)胞中已知激活因子（如FOS-JUN, ETS, CREB）的結(jié)合基序，表明PARM已學(xué)會(huì)在特定細(xì)胞類(lèi)型中組合有功能的TF基序 。得益于PARM的計(jì)算高效性，研究者將其ISM分析應(yīng)用于30,607個(gè)人類(lèi)啟動(dòng)子，以系統(tǒng)識(shí)別影響活性的功能性TF結(jié)合位點(diǎn)（即調(diào)控位點(diǎn)RS）。他們發(fā)現(xiàn)，在K562細(xì)胞中，大多數(shù)RS與已知TF基序匹配，且對(duì)應(yīng)的TF在細(xì)胞內(nèi)均有表達(dá)或由其高度相似的家族成員表達(dá)。分析共在20,543個(gè)啟動(dòng)子中識(shí)別出至少一個(gè)RS，而無(wú)RS的啟動(dòng)子活性普遍較低。此外，研究者發(fā)現(xiàn)了1,402個(gè)不與任何已知基序匹配的RS，并對(duì)其中一個(gè)高頻未知基序（TCTCTATGGT）進(jìn)行DNA親和純化與質(zhì)譜分析，鑒定出ZNF48為其結(jié)合TF，并通過(guò)體外實(shí)驗(yàn)證實(shí)，從而證明 PARM能發(fā)現(xiàn)罕見(jiàn)且注釋不全的功能性TF基序 。

由于全基因組MPRA文庫(kù)需要大量細(xì)胞且可擴(kuò)展性有限，而PARM訓(xùn)練僅需覆蓋啟動(dòng)子的片段，研究者 開(kāi)發(fā)了一種基于捕獲策略、高度富集（90%）啟動(dòng)子重疊片段的聚焦MPRA文庫(kù) 。他們發(fā)現(xiàn)，這種文庫(kù)僅需約500萬(wàn)細(xì)胞（比全基因組MPRA少240倍），仍能以平均151倍的覆蓋率覆蓋所有人類(lèi)TSS，且在K562和HepG2細(xì)胞中測(cè)得的啟動(dòng)子活性及PARM的預(yù)測(cè)能力與全基因組數(shù)據(jù)相當(dāng)。利用此經(jīng)濟(jì)策略，他們成功為另外七種人類(lèi)細(xì)胞系和一種患者來(lái)源的結(jié)腸癌類(lèi)器官生成了高質(zhì)量數(shù)據(jù)和PARM模型，模型訓(xùn)練僅需約1天，證明了該策略在實(shí)驗(yàn)和計(jì)算上的高效性與通用性。

為了在多種細(xì)胞類(lèi)型中實(shí)驗(yàn)驗(yàn)證PARM的預(yù)測(cè)，研究者構(gòu)建了一個(gè)包含十個(gè)啟動(dòng)子的合成MPRA文庫(kù)，在其中系統(tǒng)引入每個(gè)核苷酸的所有三種突變，并在七種細(xì)胞系中測(cè)量每個(gè)單點(diǎn)突變的影響。他們發(fā)現(xiàn)，在30個(gè)通過(guò)嚴(yán)格質(zhì)量控制的啟動(dòng)子-細(xì)胞系組合中，PARM預(yù)測(cè)的突變效應(yīng)與實(shí)測(cè)值之間的Pearson相關(guān)系數(shù)為0.52±0.18，與Enformer（0.50±0.19）相似，而B(niǎo)orzoi表現(xiàn)更不穩(wěn)定（0.48±0.32）。在識(shí)別實(shí)驗(yàn)可檢測(cè)的RS方面，Borzoi的召回率通常最高，但PARM的精確度普遍優(yōu)于Enformer和Borzoi。這表明 盡管PARM計(jì)算上更輕量，但其整體性能相似，且在識(shí)別RS時(shí)更為保守 。

接下來(lái)，研究者利用PARM探索了九種細(xì)胞系中啟動(dòng)子調(diào)控的差異。他們發(fā)現(xiàn)，盡管不同細(xì)胞類(lèi)型間自主啟動(dòng)子活性高度相關(guān)（R=0.78-0.95），但 PARM模型仍揭示了大量細(xì)胞類(lèi)型特異性的調(diào)控事件 。分析顯示，靶向數(shù)千個(gè)啟動(dòng)子的TF通常在所有細(xì)胞類(lèi)型中均活躍，而靶向較少啟動(dòng)子的TF（如HepG2中的HNF1A/HNF1B，K562中的GATA因子）則表現(xiàn)出明顯的細(xì)胞類(lèi)型特異性。一個(gè)值得注意的發(fā)現(xiàn)是， TBP在其基序上的活性并非在所有細(xì)胞類(lèi)型中普遍存在，這與近期研究提示其非必需性的觀(guān)點(diǎn)一致 。這些分析表明PARM可用于揭示啟動(dòng)子的細(xì)胞類(lèi)型特異性調(diào)控。利用PARM工作流程的經(jīng)濟(jì)性?xún)?yōu)勢(shì)，研究者通過(guò)MPRA和對(duì)應(yīng)模型分析了細(xì)胞對(duì)三種不同刺激（熱激、nutlin-3a、PMA）的響應(yīng)。他們發(fā)現(xiàn)，即使簡(jiǎn)單的擾動(dòng)結(jié)合聚焦PARM，也能提供關(guān)于個(gè)體啟動(dòng)子動(dòng)態(tài)調(diào)控及責(zé)任TF的詳細(xì)信息。

研究者探究了TF基序的方向和位置是否影響其調(diào)控活性。他們發(fā)現(xiàn)， 在幾乎所有細(xì)胞類(lèi)型和大多數(shù)TF基序中，PARM檢測(cè)到的激活RS在兩個(gè)方向上的數(shù)量相似，但TBP和CTCF-CTCFL是顯著例外 。此外，所有啟動(dòng)子匯總的RS在TSS上游-120bp至+10bp范圍內(nèi)呈偏好性分布，峰值在-50bp，這與之前基于線(xiàn)性回歸的估計(jì)一致。而僅基于序列的基序掃描則分布更平坦且多出約20倍的匹配，表明大多數(shù)基序在研究的細(xì)胞類(lèi)型中并無(wú)功能。對(duì)匹配特定TF基序的RS進(jìn)行分析，揭示了多樣化的TF特異性位置模式，且這些功能性RS的分布比單純基序掃描得到的分布更為集中，提供了單純基序出現(xiàn)頻率無(wú)法提供的功能信息。為了更詳細(xì)研究 特定TF基序在啟動(dòng)子中的位置效應(yīng)，研究者使用PARM預(yù)測(cè)了將單個(gè)TF基序插入天然啟動(dòng)子序列各處的影響。他們發(fā)現(xiàn)，這種效應(yīng)高度多樣化且依賴(lài)于位置 。對(duì)30,607個(gè)啟動(dòng)子系統(tǒng)插入四種TF基序（NRF1、NFYA、SP1、YY1）的分析揭示了普遍趨勢(shì)和例外：NRF1、NFYA和SP1基序插入在活躍啟動(dòng)子中會(huì)產(chǎn)生多樣化的位置效應(yīng)（包括抑制），而YY1基序則主要表現(xiàn)出激活效應(yīng)，尤其是在低活性啟動(dòng)子的TSS下游插入時(shí)。后續(xù)MPRA實(shí)驗(yàn)在四種細(xì)胞類(lèi)型中驗(yàn)證了這些預(yù)測(cè)，確認(rèn)了NFYA、NRF1和SP1基序在TSS附近或下游的抑制效應(yīng)，以及YY1在這些位置的最強(qiáng)激活效應(yīng)，表明這些效應(yīng)并非普適，強(qiáng)烈依賴(lài)于局部序列背景和啟動(dòng)子的基線(xiàn)活性。

綜上所述，這項(xiàng)研究 開(kāi)發(fā)了名為PARM的經(jīng)濟(jì)高效深度學(xué)習(xí)框架，通過(guò)結(jié)合定制化MPRA數(shù)據(jù)與輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)了僅從DNA序列直接預(yù)測(cè)人類(lèi)啟動(dòng)子活性，并系統(tǒng)解析了其在多種細(xì)胞類(lèi)型及刺激響應(yīng)下的轉(zhuǎn)錄因子調(diào)控語(yǔ)法。 該研究突破了傳統(tǒng)依賴(lài)海量表觀(guān)基因組數(shù)據(jù)的建模瓶頸，以“輕量化”策略實(shí)現(xiàn)了對(duì)啟動(dòng)子核心調(diào)控邏輯的因果性解析，為未來(lái)在合成生物學(xué)、疾病突變解讀及個(gè)性化醫(yī)療中快速建模細(xì)胞特異性基因調(diào)控奠定了方法學(xué)基礎(chǔ)。

https://doi.org/10.1038/s41586-025-10093-z

制版人： 十一

參考文獻(xiàn)

1. Zhou, J. & Troyanskaya, O. G. Predicting effects of noncoding variants with deep learningbased sequence model.Nat. Methods12, 931–934 (2015) .

2. Kelley, D. R. et al. Sequential regulatory activity prediction across chromosomes with convolutional neural networks.Genome Res.28, 739–750 (2018).

學(xué)術(shù)合作組織

（*排名不分先后）

戰(zhàn)略合作伙伴

（*排名不分先后）

轉(zhuǎn)載須知

【原創(chuàng)文章】BioArt原創(chuàng)文章，歡迎個(gè)人轉(zhuǎn)發(fā)分享，未經(jīng)允許禁止轉(zhuǎn)載，所刊登的所有作品的著作權(quán)均為BioArt所擁有。BioArt保留所有法定權(quán)利，違者必究。

BioArt

Med

Plants

人才招聘

近期直播推薦

點(diǎn)擊主頁(yè)推薦活動(dòng)

關(guān)注更多最新活動(dòng)！