亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

DNA language models are powerful predictors of genome-wide variant effects

基因组 生物 计算生物学 基因组学 基因组浏览器 全基因组关联研究 DNA测序 遗传学 拟南芥 基因 单核苷酸多态性 基因型 突变体
作者
Gonzalo Benegas,Sanjit Singh Batra,Yun S. Song
出处
期刊:Proceedings of the National Academy of Sciences of the United States of America [Proceedings of the National Academy of Sciences]
卷期号:120 (44) 被引量:26
标识
DOI:10.1073/pnas.2311219120
摘要

The expanding catalog of genome-wide association studies (GWAS) provides biological insights across a variety of species, but identifying the causal variants behind these associations remains a significant challenge. Experimental validation is both labor-intensive and costly, highlighting the need for accurate, scalable computational methods to predict the effects of genetic variants across the entire genome. Inspired by recent progress in natural language processing, unsupervised pretraining on large protein sequence databases has proven successful in extracting complex information related to proteins. These models showcase their ability to learn variant effects in coding regions using an unsupervised approach. Expanding on this idea, we here introduce the Genomic Pre-trained Network (GPN), a model designed to learn genome-wide variant effects through unsupervised pretraining on genomic DNA sequences. Our model also successfully learns gene structure and DNA motifs without any supervision. To demonstrate its utility, we train GPN on unaligned reference genomes of Arabidopsis thaliana and seven related species within the Brassicales order and evaluate its ability to predict the functional impact of genetic variants in A. thaliana by utilizing allele frequencies from the 1001 Genomes Project and a comprehensive database of GWAS. Notably, GPN outperforms predictors based on popular conservation scores such as phyloP and phastCons. Our predictions for A. thaliana can be visualized as sequence logos in the UCSC Genome Browser ( https://genome.ucsc.edu/s/gbenegas/gpn-arabidopsis ). We provide code ( https://github.com/songlab-cal/gpn ) to train GPN for any given species using its DNA sequence alone, enabling unsupervised prediction of variant effects across the entire genome.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
科研通AI2S应助科研通管家采纳,获得10
26秒前
快乐的如风完成签到,获得积分10
28秒前
30秒前
英勇羿发布了新的文献求助100
32秒前
1分钟前
1分钟前
1分钟前
诺hn完成签到 ,获得积分10
1分钟前
田様应助LL采纳,获得10
1分钟前
1分钟前
LL发布了新的文献求助10
1分钟前
1分钟前
么么么发布了新的文献求助10
1分钟前
2分钟前
么么么完成签到 ,获得积分10
2分钟前
2分钟前
李九妹完成签到 ,获得积分10
2分钟前
经冰夏完成签到 ,获得积分10
2分钟前
2分钟前
科研通AI2S应助科研通管家采纳,获得10
2分钟前
科研通AI2S应助科研通管家采纳,获得10
2分钟前
大个应助含蓄戾采纳,获得10
2分钟前
轩仔发布了新的文献求助10
2分钟前
2分钟前
NCL完成签到,获得积分10
2分钟前
2分钟前
好巧完成签到,获得积分10
2分钟前
含蓄戾完成签到,获得积分10
2分钟前
2分钟前
含蓄戾发布了新的文献求助10
2分钟前
医者仁心完成签到,获得积分10
2分钟前
Julie发布了新的文献求助10
2分钟前
打打应助NCL采纳,获得10
2分钟前
搜集达人应助材料摆渡人采纳,获得10
3分钟前
3分钟前
choyng发布了新的文献求助10
3分钟前
科研通AI2S应助XIN采纳,获得10
3分钟前
热带蚂蚁完成签到 ,获得积分10
3分钟前
3分钟前
3分钟前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Foreign Policy of the French Second Empire: A Bibliography 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3146703
求助须知:如何正确求助?哪些是违规求助? 2798015
关于积分的说明 7826470
捐赠科研通 2454516
什么是DOI,文献DOI怎么找? 1306328
科研通“疑难数据库(出版商)”最低求助积分说明 627704
版权声明 601522