Использование глубоких нейронных сетей для выявления признаков, предсказывающих связывание транскрипционных факторов

Исследователи из Калифорнийского университета в Сан-Диего разработали систему на основе глубокой нейронной сети для выявления признаков, которые могут предсказывать связывание транскрипционных факторов. В статье, опубликованной в журнале Nature Machine Intelligence, группа описывает свою систему и её потенциальное применение для лучшего понимания заболеваний, связанных с транскрипционными факторами.

Транскрипционные факторы — это белки, контролирующие скорость транскрипции генетической информации. Их связывание с ДНК определяет включение или выключение генов. Проблемы с транскрипционными факторами могут приводить к таким заболеваниям, как синдром Ретта, диабет зрелого типа и эндотелиальная дистрофия Фукса. Некоторые исследования также предполагают их роль в развитии злокачественных опухолей.

Чтобы предотвратить такие заболевания, учёным необходимо лучше понять процесс транскрипции. В этой работе исследователи создали систему на основе нейронной сети, призванную помочь расшифровать правила, по которым транскрипционные факторы связываются с целевыми участками цепей ДНК. Команда также надеется, что система окажется полезной для выявления конкретных некодирующих нуклеотидов, оказывающих наибольшее влияние на связывание.

Общий каркас системы назвали AgentBind. Он был построен на основе предыдущей системы, разработанной в UCSD. Новая система состоит из трёх свёрточных нейронных сетей, одного полносвязного слоя и комбинации рекуррентной и свёрточной нейронной сети. Из-за огромных объёмов данных в таких исследованиях команда использовала transfer learning (а не массовое обучение), что сделало процесс обучения гораздо эффективнее. Также был добавлен пост-аналитический процесс для генерации оценок важности, чтобы поместить связывания в контекст.

Тестирование включало запуск системы с транскрипционными факторами. Было обнаружено, что система способна давать новые представления о вариантах связывания транскрипционных факторов, которые потенциально могут быть связаны с развитием заболеваний. Такие данные могут привести к пониманию того, что происходит, когда транскрипционные факторы начинают работать неправильно и вызывают болезни, что, в свою очередь, потенциально может привести к разработке соответствующих методов терапии.