進化的な情報を与えた機械学習は遺伝子表現型関係の予測力を強化する

Chia-Yi Cheng;..;Gloria M. Coruzzi(2021.9, Nature Communications)[Evolutionarily informed machine learning enhances the power of predictive gene-to-phenotype relationships]

理由

GWASの勉強してるときに見つけた

概要

ゲノムの特徴から表現型の結果を推測することは、システム生物学の将来性であり挑戦でもある。本研究で取り組む2つの課題は、表現型の結果予測に遺伝子発現データを用いることと、予測力がある遺伝子を機能的に実証することである。進化的な情報を与えた機械学習を活用して、種内と種間の両方に共通するトランスクリプトーム応答に基づく表現型を予測した。特に、シロイヌナズナ近縁種とトウモロコシ品種間で窒素利用効率と窒素処理に対する進化的に保存されたトランスクリプトーム反応における表現型多様性を最大限利用した。進化的に保存された窒素反応遺伝子を用いることは、この遺伝子-特徴モデルの予測力をかなり向上する機械学習における特徴次元を減らすための、生物学の原則に基づく方法である。また、1種のシロイヌナズナと1種のトウモロコシにおけるNUE結果の予測力を、7つの候補転写因子で機能的に実証した。さらに、この進化情報を与えたパイプラインをコメやマウスモデルを含む他の種へ応用することで、生物学や農学、医学にわたって関心の高い生理学特徴や臨床特徴に影響する遺伝子を解明する能力が強調される。

印象的な図

Fig1. 進化情報を含む機械学習方法は、遺伝子-表現型関係の予測力を強化する

雑記

GWAS、理解しなきゃだめか？