転写因子結合の特徴付けのための多ラベル時系列畳み込みフレームワーク

Abstract

転写因子（TF）は複雑で協調的なメカニズムを通じて遺伝子発現を調節する。多くのTFが協調して作用する一方で、TF結合の論理とそれらの相互作用はまだ完全には理解されていない。TF結合部位予測の現在のほとんどのアプローチは個々のTFと二値分類タスクに焦点を当てており、さまざまなTF間の可能な相互作用を十分に分析していない。本論文ではDNAのTF結合部位認識を多ラベル分類問題として調査し、公開リポジトリから取得したDNA配列に対して複数のTFの信頼性の高い予測を達成している。我々の深層学習モデルはTemporal Convolutional Networks (TCNs) に基づいており、複数のTF結合プロファイルを予測することができ、TF間の相関とそれらの協調的調節機構を捉える。私たちの結果は、信頼性の高い予測性能をもたらす多ラベル学習が、生物学的に意味のあるモチーフと既知のTF相互作用と一致する共結合パターンを明らかにしうる一方で、TF間の新しい関係と協力を示唆することを示している。