MIT-6874-Deep Learning in the Life Sciences Week 8

gene expression and splicing)

---

前言

本节课将带来基因表达和剪切相关内容的学习，首先介绍了基因测序以及表达的基本概念，并粗浅的介绍了深度学习可以做的事

---

提示：以下是本篇文章正文内容，下面案例可供参考

0. Intro: Expression, unsupervised learning, clustering

基因测序是怎么做的：

基因测序之后就可以得到基因表达阵列，并可以对其进行分析
每一行代表不同的基因，每一列对应着不同的实验条件（如不同的组织细胞/不同疾病/不同人群/以及等等其他）

• 对于每行数据，你可以看到同一个基因在不同实验下的差异表达
• 对于每列数据，你可以看到不同试验下，整条基因组的差异
  
  对于基因测序数据，存在着很多潜在的任务，最典型的就是 聚类和分类 两种问题
• Clustering【无监督学习】: 具有相似功能的基因表达往往会富集在一处，因此也揭示了潜在的结构
• Classification【监督学习】: 从数据中提取特征，并且强制机器去学到这些不同类别之间数据特征的差异
  

常用的降维方法及其效果的差异：

• PCA: 主成分分析
• SVD: 奇异值分解
• t-SNE: t-SNE 原理及Python实例，现在在生信领域最常用的降维分析方法

对比一下不同降维方法之间的差异：（mnist, 手写数据）

---

1. Up-sampling: predict 20,000 genes from 1000 genes

上采样于基因表达的应用：如何用一个基因子集预测2w个基因。
Challenge: Measure few values, infer many values


谢晓辉

---

2. Compressive sensing: Composite measurements

第二种方式，通过建立复杂的测量（除测量基因的一个子集之外，还会通过探针组合建立综合测量，共同捕获基因的综合表达）

---

3. DeepChrome+LSTMs: predict expression from chromatin

从染色质预测基因表达

什么是染色质？
染色质（chromatin）最早是1879年Flemming提出的用以描述核中染色后强烈着色的物质。现在认为染色质是细胞间期细胞核内能被碱性染料染色的物质。染色质的基本化学成分为脱氧核糖核酸核蛋白，它是由DNA、组蛋白、非组蛋白和少量RNA组成的复合物。用于化学分析的原核细胞的染色质含裸露的DNA，也就是不与其他类分子相连。

Predicting Reporter Expression from Chromatin Features

这一部分由耶鲁大学的嘉宾讲解：Guest Lecture: Flynn Chen, Mark Gerstein Lab, Yale
DECODE——使用弱监督方法精准预测增强子的位置

什么是增强子？

• 增强子是一种调节元件，可以增加特定基因的转录
• 绘制出细胞类型的特定调控景观，使我们能够找到各种疾病的基因驱动因素。
• 最早的增强子发现方法，如ChromHMM，专注于无监督方法
  
  实验的方法：
• 直接通过活动强度识别转录增强子
• 存在问题：转染效率低，分辨率低，评估片段脱离表观遗传背景
  
  因此作者提出了一种建立在这样假设前提条件下的方法：开放染色质和组蛋白标记之间的相互作用为TF结合和增强子活性提供了平台
  关注以下五种细胞系
  
  并巧妙的将增强子的定位问题转化为目标检测问题的处理思想
  
  结合弱监督学习的思想：我们只知道图片上有“狗”/“猫”，但是我们并不知道它们具体在图片中的位置。
  这和寻找增强子位置面临的问题相同：即我们仅有大致的位置和粗糙的标签——我们想仅利用这些信息就能精准定位到增强子的具体位置
  

---

4. Guest Lecture: Xiaohui Xie, UC Irvine

• Predicting Gene Expression from partial subsets sampling
• Representation learning for multi-omics integration

生物领域的数据蓬勃增长

Xie致力于研究用于单细胞多组学研究的多模态机器学习

---

5. Guest Lecture: Kyle Kai-How Farh, Illumina

• Predict splicing from sequence
我们对基因的认识才刚刚开始

SpliceAI可解读罕见和未确诊疾病中的非编码突变