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。

在这项研究中，目的是根据Pilol咪唑多酰胺（PIP）的复合物波动，可以特异性地与DNA边线结合，并根据根据DNA的边缘和转录信息，Histon修饰，CPG Island等。深度学习方法。今年，基于2014年报告的PIP-SAHA表达数据，我们将从结合基序中计算理论结合位点，包括现有信息，例如识别的DNA阵列和染色质信息。基于结合基序的CNN的预测模型的概念。使用NVIDIA的Amper Generation GPU建立了原型算法，创建了一个比FY2021更高的预测模型，并阐明了由于PIP-SAHA绑定而导致的HDAC原因。此外，PIP-SAHA对表观基因的影响已经建立了由与其他组蛋白修饰的交叉对话引起的假设，并在与称为“ TGM2”的酶有关的知识中进行了合作，该酶是靶基因之一。与研究人员的论文将发表在《癌症》杂志上，并将发布另一份报告。

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