已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Predicting 3D genome folding from DNA sequence with Akita

CTCF公司 基因组 计算生物学 生物 生物信息学 遗传学 基因座(遗传学) 基因 增强子 转录因子
作者
Geoffrey Fudenberg,David R. Kelley,Katherine S. Pollard
出处
期刊:Nature Methods [Springer Nature]
卷期号:17 (11): 1111-1117 被引量:146
标识
DOI:10.1038/s41592-020-0958-x
摘要

In interphase, the human genome sequence folds in three dimensions into a rich variety of locus-specific contact patterns. Cohesin and CTCF (CCCTC-binding factor) are key regulators; perturbing the levels of either greatly disrupts genome-wide folding as assayed by chromosome conformation capture methods. Still, how a given DNA sequence encodes a particular locus-specific folding pattern remains unknown. Here we present a convolutional neural network, Akita, that accurately predicts genome folding from DNA sequence alone. Representations learned by Akita underscore the importance of an orientation-specific grammar for CTCF binding sites. Akita learns predictive nucleotide-level features of genome folding, revealing effects of nucleotides beyond the core CTCF motif. Once trained, Akita enables rapid in silico predictions. Accounting for this, we demonstrate how Akita can be used to perform in silico saturation mutagenesis, interpret eQTLs, make predictions for structural variants and probe species-specific genome folding. Collectively, these results enable decoding genome function from sequence through structure. Akita enables three-dimensional genome folding predictions from DNA sequence using a convolutional neural network.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
机灵的鸿煊完成签到,获得积分10
刚刚
Q哈哈哈完成签到 ,获得积分10
2秒前
YYC完成签到,获得积分10
2秒前
我是老大应助LCQ采纳,获得10
4秒前
Lpc完成签到,获得积分10
4秒前
弧光完成签到 ,获得积分10
6秒前
衣裳薄完成签到,获得积分10
7秒前
平淡是真完成签到 ,获得积分10
9秒前
18秒前
miketyson完成签到 ,获得积分10
20秒前
呆萌的鼠标完成签到 ,获得积分10
20秒前
苗条丹南完成签到 ,获得积分10
20秒前
大个应助rengar采纳,获得10
20秒前
五十四完成签到 ,获得积分10
23秒前
soybean发布了新的文献求助50
23秒前
天元神尊完成签到 ,获得积分10
24秒前
吴兰田完成签到,获得积分10
25秒前
25秒前
超级绮山完成签到 ,获得积分10
26秒前
徐琦完成签到,获得积分10
29秒前
sailingluwl完成签到,获得积分10
30秒前
清脆剑封发布了新的文献求助30
32秒前
lizzzzz完成签到 ,获得积分10
35秒前
soybean完成签到,获得积分10
36秒前
任性大米完成签到 ,获得积分10
38秒前
寻道图强应助KaMoria采纳,获得50
39秒前
李剑鸿发布了新的文献求助30
40秒前
Tuesday完成签到 ,获得积分10
41秒前
41秒前
yutang完成签到 ,获得积分10
44秒前
云上人完成签到 ,获得积分10
44秒前
rengar发布了新的文献求助10
47秒前
李健应助lee采纳,获得10
48秒前
funny完成签到,获得积分10
51秒前
52秒前
究极风暴螺旋升天小鸟兽完成签到,获得积分10
53秒前
小柯完成签到,获得积分10
55秒前
陈道哥完成签到 ,获得积分10
1分钟前
热乎乎的小空气关注了科研通微信公众号
1分钟前
1分钟前
高分求助中
Manual of Clinical Microbiology, 4 Volume Set (ASM Books) 13th Edition 1000
Edestus (Chondrichthyes, Elasmobranchii) from the Upper Carboniferous of Xinjiang, China 500
Chinese-English Translation Lexicon Version 3.0 500
Electronic Structure Calculations and Structure-Property Relationships on Aromatic Nitro Compounds 500
マンネンタケ科植物由来メロテルペノイド類の網羅的全合成/Collective Synthesis of Meroterpenoids Derived from Ganoderma Family 500
Two-sample Mendelian randomization analysis reveals causal relationships between blood lipids and venous thromboembolism 400
薩提亞模式團體方案對青年情侶輔導效果之研究 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 有机化学 工程类 生物化学 纳米技术 物理 内科学 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 电极 光电子学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 2380831
求助须知:如何正确求助?哪些是违规求助? 2088126
关于积分的说明 5243882
捐赠科研通 1815145
什么是DOI,文献DOI怎么找? 905666
版权声明 558810
科研通“疑难数据库(出版商)”最低求助积分说明 483591