세미나 개요 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.
