人工SNV也学不会:LAMP显示微调后的序列到功能模型仍低估远端变异效应
LAMP把人工设计、强而一致的转录因子基序扰动SNV注入个人基因组数据集,用来检验序列到功能模型在微调中能否学会变异效应。即便训练集扩到12111个基因、12011个这样的理想化因果SNV,微调后的Enformer在留出基因和个体上仍不及只用该SNV基因型的弹性网基线。分析指向两个障碍:预训练先验压低远端调控元件,使增强子到基因的连接难以加强;同一基序在不同位点的序列背景差异又掩盖了本应易学的扰动模式。
LAMP把人工设计、强而一致的转录因子基序扰动SNV注入个人基因组数据集,用来检验序列到功能模型在微调中能否学会变异效应。即便训练集扩到12111个基因、12011个这样的理想化因果SNV,微调后的Enformer在留出基因和个体上仍不及只用该SNV基因型的弹性网基线。分析指向两个障碍:预训练先验压低远端调控元件,使增强子到基因的连接难以加强;同一基序在不同位点的序列背景差异又掩盖了本应易学的扰动模式。
该工作提出 Multi-ISM,将计算机饱和突变(ISM)重构为稀疏恢复问题,用比逐变异穷举 ISM 少 45 倍的模型评估量生成突变图谱,在变异效应基准上达到或超过其精度,并应用于 5000 个蛋白编码基因(含 3317 个 OMIM 疾病基因),在 500-kb 窗口内生成碱基分辨率、组织分辨的归因图谱,用于增强子—基因优先级排序和细胞类型特异调控元件识别,其基因水平汇总显示受约束更强的基因预测突变效应更小,将预测聚合为基因水平罕见变异负荷后相较常见变异弹性网改善了表达预测,在表达离群样本上增益最大。
已读完全部报道