17:52 2024-02-23 science - citeste alte articole pe aceeasi tema
Comentarii Adauga Comentariu

_ Cercetarea oferă o perspectivă asupra construirii rețelelor de reglementare a genelor

_ Cercetarea oferă o perspectivă asupra construcției genelor rețele de reglementare

Rețelele de reglare a genelor (GRN) descriu mecanismele de reglare ale genelor din cadrul sistemelor celulare ca o rețea, oferind perspective vitale pentru înțelegerea proceselor celulare și a interacțiunilor moleculare care determină fenotipurile celulare. Reglarea transcripțională, un tip predominant pentru reglarea expresiei genelor, implică controlul genelor țintă (TG) de către factorii de transcripție (TF).

Una dintre provocările majore în deducerea GRN-urilor este stabilirea de relații cauzale, mai degrabă decât doar corelarea, între diferitele componente ale sistemului. Prin urmare, deducerea rețelelor de reglare a genelor din perspectiva cauzalității este esențială pentru înțelegerea mecanismelor care stau la baza care guvernează dinamica sistemelor celulare.

Quantitative Biology a publicat o abordare, intitulată „Gene Regulatory Network Inference based on Causal Discovery”. Integrarea cu Graph Neural Network”, care valorifică învățarea reprezentării grafice și învățarea asimetrică cauzală, luând în considerare atât relațiile de reglementare liniare, cât și neliniare. GRINCD realizează performanțe superioare în prezicerea relațiilor de reglementare nu numai ale TF-TG, ci și ale TF-TF, unde metodele generalizate bazate pe corelații sunt de neatins.

GRINCD aplică învățarea ansamblului pentru a prezice reglarea cauzală a fiecărui regulator- Perechea țintă bazată pe modelul de zgomot aditiv (ANM) care ia drept intrare reprezentarea de înaltă calitate pentru fiecare genă generată de Graph Neural Network.

În mod specific, GRINCD utilizează distribuția aleatorie a mersului și a gradelor nodurilor pentru a genera etichete de margine și le alimentează la un GraphSAGE cu două straturi conectat cu un clasificator binar pentru obținerea reprezentării fiecărui nod.

GRINCD realizează performanțe optime pe mai multe seturi de date sub diferite metrici de evaluare. Ca aplicație, prin analiza modificărilor substanțiale ale relațiilor de reglementare cu progresia bolii, GRINCD identifică potențialii regulatori cruciali care conduc tranziția de la inflamația de colon la cancerul de colon.

(Fluierul)

Inapoi