В мире геномики понимание работы промоторов — ключевых регуляторных элементов генов — является важной задачей. Исследователи разработали модель, называемую Promoter Activity Regulatory Model (PARM), которая использует глубокое обучение для предсказания активности промоторов на основе их последовательностей. Эта модель была обучена на данных, полученных с помощью массовых параллельных репортерных анализов (MPRA), что позволяет ей точно предсказывать активность промоторов в различных клеточных типах и условиях.
PARM отличается легкостью как в экспериментальном, так и в вычислительном плане, что позволяет создавать специфические для клеточного типа модели, которые могут предсказывать активность промоторов по их ДНК-последовательности. Модель также может генерировать синтетические промоторы с высокой активностью. В ходе исследования были выявлены сайты связывания транскрипционных факторов, которые, вероятно, способствуют активности каждого естественного промотора, а также обнаружены предпочтения по позициям этих факторов, которые различаются в зависимости от их активирующих или репрессивных функций.
Использование PARM открыло новые горизонты в понимании динамической регуляции промоторов, позволяя исследователям более точно предсказывать, как изменения в ДНК могут влиять на активность генов. Это может иметь значительные последствия для разработки новых терапий и понимания механизмов заболеваний.
Таким образом, PARM представляет собой мощный инструмент для изучения регуляции генов и может стать основой для будущих исследований в области геномики и молекулярной биологии.