全基因組關(guān)聯(lián)分析（GWAS）被廣泛用于農(nóng)藝性狀重要調(diào)控位點的鑒定，然而GWAS獲得的顯著位點并不一定是關(guān)鍵變異位點。此外，如何將GWAS結(jié)果與調(diào)控機制聯(lián)系起來，目前仍充滿挑戰(zhàn)。通過變異（尤其是非編碼調(diào)控區(qū)域的變異）效應(yīng)的預(yù)測，可幫助篩選GWAS結(jié)果中的關(guān)鍵變異以及候選基因的鑒定。

 

　　真核生物中核DNA被緊密的包裝成核小體，轉(zhuǎn)錄因子與DNA互作和行使轉(zhuǎn)錄調(diào)控功能將導(dǎo)致核小體解離，形成染色質(zhì)開放區(qū)（open chromatin region，OCR）。因此，染色質(zhì)開放狀態(tài)是影響基因表達的重要表觀遺傳因素。近年來，多項人類醫(yī)學(xué)中的研究表明，深度神經(jīng)網(wǎng)絡(luò)模型可從基因組序列中提取復(fù)雜特征，這些特征部分代表了順式調(diào)控元件，因而可準(zhǔn)確預(yù)測染色質(zhì)開放狀態(tài)。利用染色質(zhì)開放狀態(tài)數(shù)據(jù)訓(xùn)練獲得的深度神經(jīng)網(wǎng)絡(luò)模型，可評估非編碼區(qū)序列變異的效應(yīng)及鑒定可能的順式調(diào)控元件。其原理是，利用模型分別預(yù)測非編碼序列變異對應(yīng)的兩個單倍型染色質(zhì)開放狀態(tài)，如兩個狀態(tài)間差異較大，表明該變異可能具有較大效應(yīng)。當(dāng)對一段非編碼序列中的每個堿基進行飽和突變（in silico saturated mutagenesis）并預(yù)測其效應(yīng)，可鑒定出一些連續(xù)高影響力位點，有研究表明這些位點往往代表了順式調(diào)控元件。

 

　　盡管此類方法在人類醫(yī)學(xué)中已得到一定應(yīng)用，但這一領(lǐng)域的研究在植物中仍關(guān)注較少。此外，深度學(xué)習(xí)模型的構(gòu)建需花費大量計算資源，很難被普通實驗研究者直接利用。因此，植物中亟需可以幫助研究者快速評估序列變異調(diào)控效應(yīng)以及鑒定序列中的調(diào)控元件在線網(wǎng)絡(luò)服務(wù)。

 

 

　　該研究中，謝為博教授課題組通過ATAC-seq技術(shù)獲得5種禾本科植物物種（包含4種作物）多個組織的高質(zhì)量染色質(zhì)可及性數(shù)據(jù)，并收集了已發(fā)表擬南芥數(shù)據(jù)，從中鑒定了OCR。利用各個物種對應(yīng)的參考基因組序列以及OCR信息，使用深度學(xué)習(xí)模型框架DeepSEA進行訓(xùn)練。通過評估，各模型曲線下面積（AUROC）在0.93-0.99之間，表明所構(gòu)建的系列模型具有較高可用性。

 

　　謝為博教授課題組基于所獲得的深度學(xué)習(xí)模型，構(gòu)建了PlantDeepSEA（http://plantdeepsea.ncpgr.cn ）網(wǎng)絡(luò)服務(wù)，免費供所有用戶使用。該網(wǎng)站主要包含2項功能：一是Variant Effector，其目的是預(yù)測序列變異對于各組織中染色質(zhì)可及性的影響，用戶可提交VCF文件進行變異效應(yīng)預(yù)測；一是Sequence Profiler，該工具利用“in silico saturated mutagenesis”挖掘序列中的高影響力位點（High-impact sites，如順式調(diào)控元件）。用戶可選擇染色體編號和輸入基因組坐標(biāo)、任意一段核苷酸序列或者包含一個或多個染色體區(qū)段的BED文件進行分析。由于計算資源所限，目前PlantDeepSEA允許1次提交最多2000個變異位點進行變異效應(yīng)預(yù)測，以及5個區(qū)段進行調(diào)控元件分析。

 

　　我校博士后趙虎、碩士研究生涂卓為該論文共同第一作者，信息學(xué)院謝為博教授為該論文通訊作者，胡學(xué)海教授指導(dǎo)了部分研究工作。該研究數(shù)據(jù)分析工作得到武漢大學(xué)超算平臺及華中農(nóng)大作物遺傳改良國家重點實驗室生物信息計算平臺支持和幫助，得到國家重點研發(fā)計劃（2016YFD0100803）與國家自然科學(xué)基金（31771755, 31922065）資助。

 

　　英文摘要

 

　　Characterizing regulatory effects of genomic variants in plants remains a challenge. Although several tools based on deep-learning models and large-scale chromatin-profiling data have been available to predict regulatory elements and variant effects, no dedicated tools or web services have been reported in plants. Here, we present PlantDeepSEA as a deep learning-based web service to predict regulatory effects of genomic variants in multiple tissues of six plant species （including four crops）。 PlantDeepSEA provides two main functions. One is called Variant Effector, which aims to predict the effects of sequence variants on chromatin accessibility. Another is Sequence Profiler, a utility that performs 'in silico saturated mutagenesis' analysis to discover high-impact sites （e.g., cis-regulatory elements） within a sequence. When validated on independent test sets, the area under receiver operating characteristic curve of deep learning models in PlantDeepSEA ranges from 0.93 to 0.99. We demonstrate the usability of the web service with two examples. PlantDeepSEA could help to prioritize regulatory causal variants and might improve our understanding of their mechanisms of action in different tissues in plants. PlantDeepSEA is available at http://plantdeepsea.ncpgr.cn/.

 

　　論文鏈接：

 

　　https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkab383/6284177