检索历史 清除

摘要基因组上有各种特征位点，它们可以影响基因的表达和功能。在基因组位点中，多聚腺苷酸化位点除了在转录后调控中发挥作用之外，引物结合位点和特定靶向位点也在引导编辑这一先进基因编辑方法中发挥作用。<br>　　在scRNA-seq数据的分析流程中，细胞类型鉴定与注释是一个非常重要的步骤。随着多模态分析技术和多视图聚类技术在其他领域的发展，生物医学多组学分析技术也更为丰富。常见的多组学分析数据主要包括甲基化数据、蛋白质组学数据与代谢组数据等。转录组亚型关键信息包括如从标准scRNA-seq数据中识别的基因组位点，例如可变剪切位点与多聚腺苷酸化位点。这些信息可以有效地为细胞类型鉴定提供线索，而且无需改变实验技术或增加试验成本。此外，采用多模态分析方法，可以获得更为可靠的细胞类型识别结果。<br>　　pegRNA作为引导编辑技术中最基本版本PE2中的一个重要组件，是一个以基因组上引物结合位点和特定靶向位点为基础的重要引导编辑工具。在进行引导编辑时，pegRNA需要选择恰当的基因组位点以执行正确的编辑操作。因此，对于引导编辑工具的使用者来说，理解和选择正确的基因组位点非常重要。<br>　　基于分析方法策略的发展以及基因组位点在不同生物学问题中的应用，本文的研究工作主要包括如下几个方面：<br>　　1.采用多模态分析方法融合APA位点表达谱和单细胞基因表达谱进行聚类分群。我们构建了一个工作流程：将五个不同的scRNA-seq数据作为基准集，测试了18种基于机器学习与深度学习且尚未应用于关联APA和单细胞基因表达融合聚类分群的基础方法，与先进方法scLAPA做比较。在我们的实验中，我们使用调整后的兰德指数（adjustedrandindex，ARI）作为主要度量标准。我们发现，在关联APA位点表达谱与单细胞基因表达聚类分群的应用上，相比于仅基于scRNA-seq数据的单细胞基因表达聚类分群和首先应用于关联APA表达谱和单细胞基因表达矩阵融合聚类分群的scLAPA，无监督方法以WMSC为代表和监督方法以GCN-VCDN为代表具有更稳健和出色的分数。<br>　　2.我们利用搭建的关联APA位点表达谱与单细胞基因表达聚类分群的工作流程，分析了小鼠卵巢胚胎减数分裂早期的单细胞数据。首先，我们利用流程中基于DeepPass框架的SCAPTURE软件识别了71600个多聚腺苷酸化位点，其中包括32714个位于外显子位点与38886个内含子位点，并通过核苷酸图谱比对验证了这些位点。之后我们在转录组水平上量化了位于外显子的APA位点，生成了APA表达矩阵。然后，我们采用基于谱扰动的加权多模态谱聚类方法，将APA表达水平矩阵与基因表达矩阵进行融合群类分群。最后，我们通过计算近端使用率来可视化3''端缩短事件和延长事件在不同时间点、不同细胞类型的分布情况，揭示了可变多聚腺苷酸化对于细胞增殖和分化的重要性。<br>　　3.我们实验室训练了一个OPED模型，该模型可以通过特征学习和回归网络对目标序列和pegRNA组合设计方案进行初始编辑效率评分，从而设计编辑效率最高的最优pegRNA。本文使用Django后端框架与Boostrap前端技术部署了OPED模型（http://oped.bioinfotech.org/）。该系统不仅可以通过基因组上的某个位置的编辑获取最优编辑效率，还能通过编辑序列进行引导编辑。此外有些引导编辑工具加入了可设计的sgRNAs来提高编辑效率。因此，我们还搭建了一个针对超过7.7万个致病的人类遗传变异易变基因相关引导编辑的最优pegRNAs和sgRNAs设计候选方案的数据库（http://oped.bioinfotech.org/OPEDVar/）。