深層学習による人工エピゲノム操作因子におけるゲノム干渉効果の評価及び予測

利用深度学习评估和预测人工表观基因组操纵因素中的基因组干扰效应

• 批准号: 21K15072
• 负责人: LIN JASON
• 金额: $ 3万
• 依托单位: Chiba Cancer Center (Research Institute)
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K15072/
• 关键词: ゲノム解析; ケミカルバイオロジー; 機械学習; 核酸関連化学; ヒトゲノム配列再解析

本研究では配列特異的にDNA副溝に結合できる化合物であるピロールイミダゾールポリアミド(PIP)の複合体によるしエピゲノムの変動操作を目的とし、深層学習法によるトランスクリプトミクス情報、ヒストン修飾・CpGアイランドなどのエピゲノム情報や結合情報を用いたPIPのオフターゲット効果及び副作用の解明、 ゲノム干渉効果の同定や分析手法の構築し、最終的にPIPに特徴的な配列特異性によるピンポイントなエピゲノム干渉効果誘導の最適化を検討する。今年度は、2014年に報告したPIP-SAHAの発現プロファイリングデータに基づいて、認識 DNA配列とクロマチン情報等の既存情報を加えて、結合モチーフより理論的結合サイトを計算し、初期のPIP-SAHA結合モチーフによる発現量のCNNに基づいた予測 モデルを構想してエピゲノムへの制御を同定した。NVIDIA社のAmpere世代のGPUを用いたCUDA言語でのプロトタイプアルゴリズムを確立し、2021年度より精度が高い発現量の予測モデルを作成し、PIP-SAHAの結合によるHDACへの阻害の原因を明らかにすることを行なっている。また、PIP-SAHAがエピゲノム干渉に及ぼす影響は他のヒストン修飾とのクロストークが原因である仮説を確立し、標的遺伝子の一つである「TGM2」と呼ばれる酵素に関わる知見をハーバード大学の共同研究者との論文がCancers誌に掲載され、只今もう１報は投稿する予定である。

这项研究旨在使用吡咯咪唑多酰胺（PIP）的复合物来操纵表观基因质，该复合物可以特异性地结合DNA小凹槽。我们将使用深度学习方法研究转录组信息，并使用表观基因组信息（例如组蛋白修饰和CPG岛）阐明PIP的脱靶效应和副作用，并识别基因组干扰效应并构建分析方法，并最终通过PICENECENOME TEMINCE特异性特异性的PIPENCENTEM特异性特异性优化PINPECENOME ORVENTION的诱导。今年，基于2014年报道的PIP-SAHA表达分析数据，根据结合基序计算理论结合位点，包括识别DNA序列和染色质信息，并根据结合基序计算理论结合位点，并根据结合基序和初始CNN的CNN基于CNN的预测模型通过PIP-SAHA BINDIC BIGNIF MOTIF识别了EpigeN sepliged epigeN的表达水平。我们已经使用NVIDIA的Ampere Generation GPU在CUDA语言中建立了一种原型算法，自2021财年以来一直以高准确性的表达水平的预测模型，并一直在努力阐明由于pip-saha结合而抑制HDAC的原因。此外，我们已经确定了一个假说，即PIP-SAHA对表观遗传组干扰的影响是由与其他组蛋白修饰的串扰引起的，并且与哈佛大学的一位合作者发表了一篇论文，发表在癌症的杂志上发表了有关与“ TGM2”相关的酶的发现，该发现称为“ TGM2”，这是目标基因，这是Cancers中的一种，目前是Cancers和另一个报告。

项目成果

機械学習を用いた配列特異的ピロールイミダゾールポリアミド・ボリノスタット複合 体によるがんゲノム結合の評価

使用机器学习评估序列特异性吡咯-咪唑聚酰胺-伏立诺他缀合物的癌症基因组结合

• 发表时间: 2021
• 作者: Lin J;Hosoya I;Sakuma S;Kida Y;Watanabe T;Yamamoto S;Takatori A;Koshikawa N;Nagase H
• 通讯作者: Nagase H