ابزار یادگیری عمیق فاکتورهای رونویسی را با استفاده از توالی پروتئین به عنوان ورودی پیش بینی می کند – ScienceDaily


یک تیم تحقیقاتی مشترک از KAIST و UCSD یک شبکه عصبی عمیق به نام DeepTFactor ایجاد کرده اند که فاکتورهای رونویسی از توالی پروتئین را پیش بینی می کند. DeepTFactor به عنوان ابزاری مفید برای درک سیستم های نظارتی موجودات زنده ، تسریع در استفاده از آموزش های عمیق برای حل مشکلات بیولوژیکی عمل می کند.

فاکتور رونویسی پروتئینی است که به طور خاص به توالی DNA متصل می شود تا شروع رونویسی را کنترل کند. تجزیه و تحلیل تنظیم رونویسی این امکان را می دهد که درک کنیم چگونه ارگانیسم ها در پاسخ به تغییرات ژنتیکی یا محیطی بیان ژن را کنترل می کنند. در این راستا ، یافتن فاکتور رونویسی بدن اولین قدم در تحلیل سیستم تنظیم کننده رونویسی بدن است.

پیش از این ، عوامل رونویسی با تجزیه و تحلیل همسانی توالی با عوامل رونویسی قبلاً مشخص شده یا با رویکردهای مبتنی بر داده مانند یادگیری ماشین پیش بینی شده بود. مدل های متداول یادگیری ماشین نیاز به یک فرآیند دقیق انتخاب ویژگی دارند که متکی به تخصص در این زمینه باشد ، مانند محاسبه خصوصیات فیزیکوشیمیایی مولکول ها یا تجزیه و تحلیل همسانی توالی های بیولوژیکی. در همین حال ، یادگیری عمیق می تواند ویژگی های پنهان یک کار خاص را بیاموزد.

یک تیم تحقیقاتی مشترک متشکل از دکتر نامزد گي بائه كيم و استاد برجسته سانگ يوپ لي از گروه مهندسي شيميايي و بيومولكولي KAIST و Ye Gao و پروفسور Bernhard O. Palson از گروه مهندسي بيوشيمياي UCSD گزارش دادند كه يك ابزار يادگيري عميق براي پيش بيني عامل رونويسي است. مقاله تحقیقاتی آنها “DeepTFactor: ابزاری کاملاً آموزش دیده برای پیش بینی عوامل رونویسی” به صورت آنلاین در منتشر شده است PNAS.

مقاله آنها در مورد توسعه DeepTFactor ، یک ابزار یادگیری عمیق گزارش می کند که آیا توالی پروتئین با استفاده از سه شبکه عصبی کانولوشن موازی یک فاکتور رونویسی است. تیم تحقیقاتی مشترک 332 فاکتور رونویسی اشریشیا کولی K-12 MG1655 را با استفاده از DeepTFactor و اثر DeepTFactor را با تأیید آزمایشگاهی سایت های اتصال در سراسر ژنوم از سه فاکتور رونویسی پیش بینی شده (YqhC ، YiaU و YahB) پیش بینی کردند.

تیم تحقیقاتی مشترک همچنین از روش برجسته ای برای درک روند استدلال DeepTFactor استفاده می کند. محققان تأیید کردند که اگرچه اطلاعات مربوط به حوزه های اتصال DNA فاکتور رونویسی به صراحت به روند آموزش داده نشده است ، DeepTFactor به طور ضمنی آنها را آموخته و از آنها برای پیش بینی استفاده کرده است. بر خلاف ابزار پیش بینی فاکتور رونویسی قبلی ، که فقط برای توالی های پروتئینی موجودات خاص تولید شده بودند ، انتظار می رود از DeepTFactor در تجزیه و تحلیل سیستم های رونویسی همه ارگانیسم ها در سطح بالایی از کارایی استفاده شود.

استاد برجسته سانگ یوپ لی گفت ، “از DeepTFactor می توان برای شناسایی عوامل رونویسی ناشناخته از توالی های پروتئینی متعددی استفاده کرد که هنوز مشخص نشده اند. انتظار می رود DeepTFactor به عنوان ابزاری مهم برای تجزیه و تحلیل سیستم های نظارتی موجودات زنده مورد استفاده قرار گیرد.”

منبع تاریخچه:

مواد تهیه شده توسط موسسه پیشرفته علوم و فنون کره (KAIST). توجه: مطالب را می توان از نظر سبک و طول ویرایش کرد.


منبع: unbox-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>