تصميم محسنات اصطناعية مستهدفة لأنسجة محددة في جنين الذبابة المنزلية

تتحكم المحسنات في تعبير الجينات وتلعب دورًا حاسمًا في التطور والاستقرار الذاتي. ومع ذلك ، فإن التصميم المستهدف للمحسنات الجديدة مع الأنشطة المحددة للأنسجة لا يزال تحديًا. هنا ، نجمع بين التعلم العميق ونقل المعرفة لتصميم محسنات محددة للأنسجة لخمسة أنسجة في جنين الذبابة المنزلية – الجهاز العصبي المركزي (CNS) ، الطبقة الخارجية ، الأمعاء ، العضلات ، والدماغ. نقوم أولاً بتدريب شبكات التعلم العصبي التكراري (CNNs) باستخدام مجموعات البيانات scATAC-seq على نطاق الجينوم ومن ثم نعدل الشبكات باستخدام بيانات أصغر الحجم من تجارب نشاط المحسن في الجسم الحي ، مما يؤدي إلى نماذج تحتوي على قيمة توقع إيجابية تتراوح بين 25٪ و 75٪ وفقًا للتقاطع التقاطعي. قمنا بتصميم وتقييم 40 محسنًا اصطناعيًا (ثمانية لكل نسيج) في الجسم الحي ، من بينها 31 (78٪) كانت نشطة و 27 (68٪) تعمل في النسيج المستهدف (100٪ لـ CNS والعضلات). إن استراتيجية الجمع بين مجموعات البيانات الوظيفية على نطاق الجينوم وصغيرة الحجم باستخدام نقل المعرفة قابلة للتطبيق بشكل عام ويجب أن تمكن من تصميم محسنات محددة للأنسجة وأنواع الخلايا وحالات الخلايا في أي نظام.

مقدمة

تتحكم المحسنات في تعبير الجينات وتلعب دورًا حاسمًا في التطور والاستقرار الذاتي. ومع ذلك ، فإن التصميم المستهدف للمحسنات الجديدة مع الأنشطة المحددة للأنسجة لا يزال تحديًا. في هذه الدراسة ، قمنا بدمج التعلم العميق ونقل المعرفة لتصميم محسنات محددة للأنسجة في جنين الذبابة المنزلية. تم تدريب شبكات التعلم العصبي التكراري باستخدام مجموعات البيانات scATAC-seq على نطاق الجينوم ، ثم تم تعديل هذه الشبكات باستخدام بيانات أصغر الحجم من تجارب نشاط المحسن في الجسم الحي. تم تصميم 40 محسنًا اصطناعيًا وتقييمها في الجسم الحي ، وأظهرت النتائج أن 31 منها كانت نشطة و 27 منها كانت تعمل في النسيج المستهدف. هذه الاستراتيجية يمكن تطبيقها على نطاق واسع ويمكن أن تمكن من تصميم محسنات محددة للأنسجة وأنواع الخلايا وحالات الخلايا في أي نظام.

التصميم المستهدف للمحسنات الاصطناعية

تهدف هذه الدراسة إلى تصميم محسنات اصطناعية محددة لخمسة أنسجة في جنين الذبابة المنزلية – الجهاز العصبي المركزي (CNS) ، الطبقة الخارجية ، الأمعاء ، العضلات ، والدماغ. تم استخدام شبكات التعلم العميق ونقل المعرفة في هذا العمل. تم تدريب شبكات التعلم العميق باستخدام مجموعات البيانات scATAC-seq على نطاق الجينوم لتعلم نمط التعبير الجيني في الأنسجة المختلفة. ثم تم تعديل هذه الشبكات باستخدام بيانات أصغر الحجم من تجارب نشاط المحسن في الجسم الحي لتحسين دقة التنبؤ بنشاط المحسنات في الأنسجة المستهدفة. تم تصميم 40 محسنًا اصطناعيًا (ثمانية لكل نسيج) وتقييمها في الجسم الحي. أظهرت النتائج أن 31 من المحسنات كانت نشطة و 27 منها كانت تعمل في النسيج المستهدف. يمكن استخدام هذه الاستراتيجية لتصميم محسنات محددة للأنسجة وأنواع الخلايا وحالات الخلايا في أي نظام.

الاستنتاجات

توصلت هذه الدراسة إلى أن استخدام التعلم العميق ونقل المعرفة يمكن أن يسهم في تصميم محسنات اصطناعية محددة للأنسجة في جنين الذبابة المنزلية. تم تدريب شبكات التعلم العميق باستخدام مجموعات البيانات scATAC-seq على نطاق الجينوم وتم تعديلها باستخدام بيانات أصغر الحجم من تجارب نشاط المحسن في الجسم الحي. تم تصميم 40 محسنًا اصطناعيًا وتقييمها في الجسم الحي ، وأظهرت النتائج أن 31 منها كانت نشطة و 27 منها كانت تعمل في النسيج المستهدف. يمكن استخدام هذه الاستراتيجية لتصميم محسنات محددة للأنسجة وأنواع الخلايا وحالات الخلايا في أي نظام.

Source: https://www.nature.com/articles/s41586-023-06905-9