뼈대가 되는 분자 증거에 기반한 인과적 유전자 조절 네트워크 추론을 위한 통합 프레임워크

요약 유전자 조절 네트워크(GRN)는 유전자 발현, 세포 분화 및 안정적인 전사 상태를 조절합니다. 그러나 분자 조절 메커니즘을 통합하고 안정적인 결과로서 전사 상태를 재현하는 GRN을 추론하는 것은 여전히 주요 도전 과제입니다. 여기서 우리는 SETIA를 제시하며, 이는 명시적 동적 모델이 조건에 따라 하나 이상의 안정적인 상태로 전사 프로파일을 재현하는 GRN을 추론하는 프레임워크입니다. Saccharomyces cerevisiae에서 야생형 및 전사 인자 녹아웃 균주로부터 RNA-seq 데이터를 적용하여 SETIA는 교차 검증 실험에서 정확하게 보존된 전사 상태를 재현하는 GRN을 추론합니다. TF-프롬터 결합 및 단백질-단백질 상호작용 우선 조건을 통합하여 SETIA는 기계적으로 기반을 둔 구조에서 간접적인 조절 영향을 포착하는 유연한 모델에 이르는 GRN을 생성합니다. SETIA는 유전자 발현이 서로 다른 전사 프로그램을 나타내는 이산적인 안정 상태로 조직되며, 이 모든 것이 TF-DNA 결합과 분자 증거로부터 유래된 단백질-단백질 상호작용에 의해 설명되는 단일 기본 GRN의 안정적인 끌림점으로 등장함을 보여줍니다. 하이라이트 SETIA는 GRN의 동적 모델이 보존된 전사 프로필에 일반화되는 인과적 유전자 조절 네트워크를 추론합니다. 유전자는 여러 개의 이산적이고 재현 가능한 발현 상태를 차지합니다. ChIP-exo 기반의 단백질-단백질/DNA 상호작용 네트워크는 GRN을 분자 메커니즘에 기반하도록 하는 구조적 우선 조건을 제공합니다. 분자 구조적 우선 조건은 동적 성능을 유지하면서 기계적 해석 가능성을 개선합니다. SETIA는 대량 및 단일 세포 데이터에서 일반화되며 반 유전체 규모의 조절 네트워크로 확장됩니다.