谷晓峰/田健/普莉合作团队建立作物表观遗传智能预测模型

BioArt植物  |   2021-07-22 23:02

近日,中国农业科学院生物技术研究所谷晓峰团队、田健团队和普莉团队合作在New Phytologist上发表了题为A deep learning approach to automate whole-genome prediction of diverse epigenomic modifications in plants的研究论文,构建了植物表观遗传修饰智能预测在线工具SMEP。该项工作通过利用人工智能(Artificial Intelligence,AI)的方法,深度学习植物DNA甲基化、RNA甲基化、组蛋白修饰等序列信息,系统实现了水稻、玉米等物种中表观修饰位点的预测,为作物功能基因组研究和智能设计育种提供工具和数据支撑。

20210723034013_d028d2.jpg

表观遗传是指在不改变DNA、RNA或蛋白序列的情况下,调控基因的表达量,影响植物的生长发育、响应环境信号等多个方面,是生物性状多样性的基础。近年来,检测技术和高通量测序的发展推动了作物表观组学的研究(Zhang et al., 2020;Liang et al., 2020)。然而,由于受到检测技术、实验成本、取材组织以及表观修饰动态可逆的调控特性等多因素影响,大量表观修饰位点及动态变化规律没有得到发掘和研究。因此,如何利用现有表观组学数据深入探索潜在的表观修饰位点是当前表观遗传研究面临的关键问题。

深度学习(Deep learning)是是当今人工智能(AI)的主流技术,其利用多层卷积神经网络(CNNs)从输入数据中提取新的特征,在基因组学、表观组学等多组学大数据分析和预测上展现广阔的应用潜力(Zou et al., 2019; Wang et al., 2020)。利用前期绘制粳稻日本晴和籼稻93-11的表观修饰图谱(Zhang et al., 2018),包括DNA 5-甲基胞嘧啶(5mC)和N6-甲基腺苷(6mA)甲基化,以及从NCBI下载的RNA N6-甲基腺苷(m6A)甲基化、三种组蛋白H3K4me3、H3K27me3和H3K9ac的数据,构建了高准确度的智能预测模型(SMEP)。SMEP模型经过参数优化、交叉验证以及实验验证,在预测DNA甲基化、RNA甲基化和组蛋白修饰等表观遗传修饰位点中具有高可信度。其中,利用粳稻日本晴的表观组学数据集,SMEP对6mA的预测准确率达到了95%,对5mC、m6A和三种组蛋白修饰也达到了80%以上。同时,该研究还成功地将SMEP模型应用于籼稻代表品种93-11及玉米品系B73中表观修饰位点的预测。由于SMEP预测了大量正常实验条件下检测不到的位点,团队进一步通过热激胁迫处理实验,验证了SMEP预测的特异地响应热激反应的6mA修饰位点,表明SMEP预测的表观修饰位点可能参与多种环境响应。最后,在线构建了SMEP智能预测工具,提供了检索表观遗传修饰位点和基因表达数据的可视化界面供用户参考使用。

综上所述,基于深度学习的表观智能预测模型SMEP可以实现植物的多种表观修饰位点预测,为水稻、玉米等物种的重要农艺性状智能设计提供挖掘工具和数据支撑。

20210723034013_dd5251.jpg

图注 基于深度学习任务模型的 SMEP 计算工作流程

生物技术研究所谷晓峰研究员、田健研究员、普莉研究员为论文通讯作者,生物所研究生王一凡、张平贤、郭位军、刘汗青为共同第一作者,该研究得到国家重大专项、国家自然科学基金、中国农科院科技创新工程等项目资助。

参考文献

Zhang P, Wang Y, Gu X. 2020. RNA 5-Methylcytosine Controls Plant Development and Environmental Adaptation. Trends in Plant Science 25: 954-958.

Liang Z, Riaz A, Chachar S, Ding Y, Du H, Gu X. 2020. Epigenetic modifications of mRNA and DNA in plants. Molecular Plant 13: 14–30.

Wang H, Cimen E, Singh N, Buckler E. 2020. Deep learning for plant genomics and crop improvement. Current Opinion in Plant Biology 54: 34–41.

Zhang Q, Liang Z, Cui X, Ji C, Li Y, Zhang P, Liu J, Riaz A, …,Gu X. . 2018. N6-methyladenine DNA methylation in japonica and indica rice genomes and its association with gene expression, plant development, and stress responses. Molecular Plant 11: 1492–1508.

Zou J, Huss M, Abid A, Mohammadi P, Torkamani A, Telenti A. 2019. A primer on deep learning in genomics. Nature Genetics 51: 12-18.

来源:BioArt植物

原文链接:http://mp.weixin.qq.com/s?__biz=MzU3ODY3MDM0NA==&mid=2247508727&idx=2&sn=f90769496553720b3288a24044690ab7

版权声明:除非特别注明,本站所载内容来源于互联网、微信公众号等公开渠道,不代表本站观点,仅供参考、交流、公益传播之目的。转载的稿件版权归原作者或机构所有,如有侵权,请联系删除。

电话:(010)86409582

邮箱:kejie@scimall.org.cn

相关推荐 换一换

  • 周沿池
    0
    加强关键核心技术自主创新,推动高质量发展
  • 周沿池
    0
    加强关键核心技术自主创新,推动高质量发展
  • 王增年
    0
    万物需要阳光,生活需要方向,用最美的资态,遇见最好的自己。
  • 王朋云
    0
    ? 为作物功能基因组研究和智能设计育种提供工具和数据支撑
  • 赵文象
    0
    从宁夏科普作家协会获悉,即日起至9月10日,由宁夏科技厅主办、宁夏科普作家协会承办的“2021年宁夏科普作品创作与传播大赛”面向全国征集原创科普作品。据悉,凡是有科普创作和传播能力的优秀团队及个人,包括具备独立法人资格的企事业单位、科研机构、高等院校、社会团体或各领域科普爱好者,均可参赛。参赛作品分为科普文章、科普挂图、科普摄影、科普动画四个类型,每类作品分别评选出一等奖2名、二等奖5名、三等奖10名及优秀奖若干名,奖金300元至1.5万元不等。科普作品内容必须积极健康向上,不得与国家法律法规相抵触。主题鲜明,具有较高的科学性、思想性、艺术性和通俗性,具有科普传播的价值与意义。评选分为初评、复评、网络投票和综合评定4个阶段。按照申报要求,组委会先组织评审专家对所有参赛科普作品进行初评、复评,入围作品确定偶,通过网络、移动端大众投票评选,吸引公众参与,促进科普作品传播。依据以上三次评选结果,由评审专家组综合评审,确定科普作品等次。“此举为激发全社会科普创作活力,培养科普创作人才,营造人人参与、人人创作、人人传播的浓厚科普氛围,促进科学知识、科学精神、科学思想、科学方法传播和普及,提升公民科学素质。”宁夏科普作家协会相关负责人表示。最终结果将于12月上旬在典赞•2021宁夏科普作品创作与传播大赛揭晓活动中正式公布。
  • 周沿池
    0
    普及科学知识 传播科学思想 弘扬科学精神
  • 张存岭
    0
    加强关键核心技术自主创新,推动高质量发展
没有更多了