近日，课题组博士生齐婷同学在Journal of Chemical Information and Modeling发表了基于深度学习预测血浆游离DNA上的转录因子结合位点的工作。

英文题目：Prediction of Transcription Factor Binding Sites on Cell-Free DNA Based on Deep Learning

通讯作者：葛芹玉，东南大学

摘要

       转录因子（TFs）是重要细胞活动的重要调控元件，转录因子结合位点（TFBS）的鉴定有助于探索基因调控机制。研究证明，cfDNA（无细胞DNA）在TFBS的覆盖率相对较高，因为TF可以防止核酸酶降解，并且cfDNA的短片段在TFBS中富集。然而，从实验技术中对TFBS进行无创鉴定仍存在很大困难。在这项研究中，我们提出了一种基于深度学习的方法，该方法可以通过卷积神经网络从已知的TFBS中学习序列信息，从而无创地预测cfDNA的TFBS。在添加长短期记忆的情况下，我们的模型实现了84%的曲线下面积。基于该模型预测cfDNA，我们发现cfDNA片段中的基序一致，并且这些cfDNA片段的上游和下游覆盖率较低，这与之前的研究一致。我们还发现，同一TF的结合位点在不同的细胞系中是不同的。从cfDNA中检测到TF特异性靶基因，并在癌症相关通路中富集。综上所述，我们从血浆中定位TFBSs的方法具有从无创角度反映内在调控机制的潜力，并为临床实践中疾病的动态监测提供技术指导。

出版信息：J Chem Inf Model. 2024 May 27;64(10):4002-4008.

doi: 10.1021/acs.jcim.4c00047