曾堅陽研究組三維基因組研究成果 入選2018年度“中國生物信息學十大進展”
曾堅陽研究組三維基因組研究成果 入選2018年度“中國生物信息學十大進展”
2019年02月14日 瀏覽次數(shù): 0
清華大學交叉信息研究院曾堅陽研究組2018年發(fā)表于英國著名期刊Nucleic Acids Research（《核酸研究》）的三維基因組研究成果Reconstructing spatial organizations of chromosomes through manifold learning（《基于流形學習的三維基因組結(jié)構(gòu)重構(gòu)》），近日經(jīng)Genomics, Proteomics and Bioinformatics（《基因組蛋白質(zhì)組與生物信息學報》，簡稱GPB）評審，成功入選2018年度“中國生物信息學十大進展”。
基因組在細胞核中以復雜的三維空間構(gòu)象的形式存在，這種三維構(gòu)象隨著細胞狀態(tài)和時間不斷地發(fā)生動態(tài)變化，通常反映了基因組中不同區(qū)域發(fā)生相互作用的情況。三維基因組結(jié)構(gòu)蘊含著非常豐富的信息，與細胞內(nèi)絕大多數(shù)生物過程相關(guān)聯(lián)，例如基因的轉(zhuǎn)錄、染色體的可接近性、DNA的甲基化以及表觀遺傳具有密切的關(guān)系，甚至有研究發(fā)現(xiàn)不同的基因組三維構(gòu)象在疾病中作用也大不相同。因此，解析基因組的三維結(jié)構(gòu)對研究基因調(diào)控有著重要意義。近年來，基于高通量測序技術(shù)（例如Hi-C）的三維基因組建模方法得到了廣泛研究，然而大部分方法都依賴于對基因相互作用頻率與染色體空間距離之間的關(guān)系進行假設(shè)。
曾堅陽研究組首次基于流形學習直接將基因相互作用數(shù)據(jù)映射到相應的歐幾里得空間，并結(jié)合生物分子能量規(guī)律，對三維基因組結(jié)構(gòu)進行建模。該方法在模擬實驗和真實數(shù)據(jù)上的基因組建模精度均顯著超過了已有的方法，并且能夠準確地還原出基因相互作用頻率與染色體空間距離之間的關(guān)系函數(shù)。此外，該方法首次利用解出的三維結(jié)構(gòu)進一步重構(gòu)出了測序?qū)嶒炛衼G失的基因相互作用數(shù)據(jù)，利用該方法重構(gòu)出的基因相互作用數(shù)據(jù)大部分都能從已知的數(shù)據(jù)中獲得證實。
《核酸研究》是國際核酸研究領(lǐng)域的權(quán)威專業(yè)期刊，2018年度影響因子為11.561；GPB是由中國科學院主管、中科院北京基因組所與中國遺傳學會共同主辦的英文版核心期刊。此項工作同以色列希伯來大學的Tommy Kaplan教授和美國伊利諾伊大學厄巴納-香檳分校的Jian Peng教授合作完成。論文的第一作者為清華大學交叉信息研究院直博生朱廣翔，論文通訊作者為交叉信息院曾堅陽副教授。研究工作得到國家自然科學基金和清華大學結(jié)構(gòu)生物學高精尖創(chuàng)新中心的經(jīng)費支持。
論文鏈接：https://academic.oup.com/nar/article/46/8/e50/4835049
版權(quán)與免責聲明：本網(wǎng)頁的內(nèi)容由收集互聯(lián)網(wǎng)上公開發(fā)布的信息整理獲得。目的在于傳遞信息及分享，并不意味著贊同其觀點或證實其真實性，也不構(gòu)成其他建議。僅提供交流平臺，不為其版權(quán)負責。如涉及侵權(quán)，請聯(lián)系我們及時修改或刪除。郵箱：sales@allpeptide.com