한빛사논문
- 조회433
Dohoon Lee 1,2, Jeewon Yang 3 & Sun Kim 3,4,5,6
1Bioinformatics Institute, Seoul National University, Seoul 08826, Republic of Korea.
2BK21 FOUR Intelligence Computing, Seoul National University, Seoul 08826, Republic of Korea.
3Interdisciplinary Program in Artificial Intelligence, Seoul National University, Seoul 08826, Republic of Korea.
4Interdisciplinary Program in Bioinformatics, Seoul National University, Seoul 08826, Republic of Korea.
5Department of Computer Science and Engineering, Seoul National University, Seoul 08826, Republic of Korea.
6AIGENDRUG Co., Ltd., Seoul 08826, Republic of Korea.
Corresponding author : Correspondence to Sun Kim.
Abstract
The quantitative characterization of the transcriptional control by histone modifications has been challenged by many computational studies, but most of them only focus on narrow and linear genomic regions around promoters, leaving a room for improvement. We present Chromoformer, a transformer-based, three-dimensional chromatin conformation-aware deep learning architecture that achieves the state-of-the-art performance in the quantitative deciphering of the histone codes in gene regulation. The core essence of Chromoformer architecture lies in the three variants of attention operation, each specialized to model individual hierarchy of transcriptional regulation involving from core promoters to distal elements in contact with promoters through three-dimensional chromatin interactions. In-depth interpretation of Chromoformer reveals that it adaptively utilizes the long-range dependencies between histone modifications associated with transcription initiation and elongation. We also show that the quantitative kinetics of transcription factories and Polycomb group bodies can be captured by Chromoformer. Together, our study highlights the great advantage of attention-based deep modeling of complex interactions in epigenomes.
논문정보
- Research article
- 2022년 11월 (BRIC 등록일 2023-02-03)
- 국내 연구진
- 의약학 > 유전 및 유전체의학
관련 웨비나
![트랜스포머 인공지능 모델을 활용한 히스톤 코드의 해독 [Nat. Commun.]](/upload/board/files/onseminar/thumb/thumb_0000525.png)
학술웨비나
트랜스포머 인공지능 모델을 활용한 히스톤 코드의 해독 [Nat. Commun.] 다양한 히스톤 변형(histone modification)의 조합은 주변 유전자의 발현을 조절한다고 알려져 있습니다. 이를 히스톤 코드 가설(histone code hypothesis) 이라 하며, 생물정보학 및 계산생물학 분야에서는 히스톤 코드에 의한 전사 조절의 상태를 정량적으로 예측하기 위한 많은 계산적 모델링 방법들이 제시되어왔습니다. 하지만 이러한 모델들은 유전자 발현 조절 기작의 단편적 요소만을 이용한다는 한계가 있었습니다. 본 연구에서는 염색질의 3차원 상호작용을 포함하는 생물학적 요인들을 포괄적으로 이용하여 전사 조절을 모델링하는 트랜스포머(transformer)기반의 인공지능 모델인 Chromoformer를 개발하여 소개합니다. 그 결과로서, 유전자 발현 예측의 성능이 향상될 뿐만 아니라 학습된 인공지능 모델의 해석을 통하여 전사 공장(transcription factory) 및 Polycomb group body 와 관련된 조절 인자의 동역학을 포착할 수 있음을 보입니다.- 이도훈(서울대학교)
댓글 작성 로그인
팝업 닫기관련 링크
연구자 키워드
관련분야 연구자보기
관련분야 논문보기
해당논문 저자보기
