Алгоритм машинного обучения предсказывает регуляцию генов в отдельных клетках

Ученые из Университета Иллинойса в Чикаго (UIC) создали программный инструмент, который помогает эффективнее идентифицировать регуляторы генов. Система использует алгоритм машинного обучения для предсказания того, какие факторы транскрипции, вероятнее всего, активны в отдельных клетках.

Факторы транскрипции — это белки, которые связываются с ДНК и контролируют «включение» или «выключение» генов в клетке. Понимание и манипулирование этими сигналами может быть эффективным способом поиска новых методов лечения болезней. Однако в человеческих клетках существуют сотни факторов транскрипции, и их идентификация в разных типах клеток может занять годы проб и ошибок.

Новая система, названная BITFAM (Bayesian Inference Transcription Factor Activity Model), комбинирует новые данные профилей экспрессии генов, полученные с помощью секвенирования РНК единичных клеток (single cell RNA sequencing), с существующими биологическими данными о генах-мишенях факторов транскрипции. На основе этой информации система запускает множество компьютерных симуляций, чтобы найти оптимальное соответствие и предсказать активность каждого фактора транскрипции в клетке.

Исследователи UIC под руководством профессора Джалиса Рехмана и доцента Ян Дая протестировали систему на клетках ткани легких, сердца и мозга. Результаты опубликованы в журнале Genome Research.

Как это работает:

  • Если, например, 80% мишеней конкретного фактора транскрипции «включены» в клетке, это указывает на его высокую активность.
  • Модель предоставляет такие данные для каждого фактора, помогая исследователям определить, на какие из них стоит обратить внимание в первую очередь при поиске новых лекарственных мишеней.

Система является общедоступной и гибкой: пользователи могут комбинировать ее с другими методами анализа, подходящими для их исследований.

Потенциальные применения:

  • Понимание активности факторов транскрипции, отличающей здоровый иммунный ответ от нездорового при таких состояниях, как COVID-19, болезни сердца или болезнь Альцгеймера.
  • Разработка биологических гипотез о регуляторных факторах транскрипции в клетках для широкого круга научных тем.