机器学习为理解微生物基因调控提供了新的范例

大肠杆菌是强壮的细菌，能够在从莴苣叶表面到酸性胃的多种条件下生活。为了在如此多的环境中生存和繁殖，细菌必须使用转录调节剂网络来响应其周围环境而改变其基因表达水平。即使在大肠杆菌(特征最丰富的细菌之一)中，对于科学家来说，了解它们如何协调其数千个基因的表达仍然是一个巨大的挑战。

在12月4日的《自然通讯》上发表的一篇论文中，加利福尼亚大学圣地亚哥分校的生物工程师报告了一种解释基因表达数据集的新方法。通过应用旨在将混合信号分离为原始信号源的机器学习算法，研究人员能够将大量高质量的基因表达数据集合分解为约100个信号，这些信号代表转录调节因子的靶向作用。

这项工作是由加州大学圣地亚哥分校的加莱蒂生物工程教授Bernhard Palsson和生物工程博士学位Anand V. Sastry领导的。帕森实验室的学生。

在分析基因表达数据集时，科学家传统上不得不筛选数百种差异表达的基因，试图找到将它们连接在一起的内聚模式或故事。然而，一个问题是这些基因中的许多基因可能对相同的潜在信号做出反应，因此很难辨别出生物反应的根本原因。

加州大学圣地亚哥分校的团队率先开发了一个新框架，该框架可自动提取特定转录调节因子的信号，从而引起基因表达的变化。该方法也不需要转录调节网络的先验知识。萨斯特里说，这使得它更容易应用于不太了解的生物。

该小组的分析能够表征两个以前未知的转录因子，并为许多其他转录调节因子提炼了已知的靶标。其他研究正在进行中，以验证研究提出的多个预测。该小组的分析还确定了大肠杆菌菌株的突变与其基因表达状态之间的直接联系，从而提出了一种比较整个物种中菌株的新策略。

“由于转录调控网络是细菌感知环境的方式，因此我们现在有一种方法来观察细菌所见。” 萨斯特里说：“我们可以很容易地判断出细胞是否缺乏营养(如铁)或受到任何压力。在研究复杂的环境(如体内感染)时，这可能是无价的。”

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。

研究遗传入侵的新方法检测到作物基因组逃逸到野外