2016년 참석한 이후로 resolution, scale 크게 증가했다.
Spatial temporal expression pattern → genome sequence 기반으로 만들어짐.
AI model on genome sequence → predict expression pattern.
Predict하는 것 뿐만 아니라, interpret what’s going on. Enhancers, promoters, TFs → how do they cooperate? leading to particular mRNA expression level.
Genetic variation의 영향을 보기에 좋다. 어떤 유전자들 바뀌는지.
Chromatin accessibility data → DeepMEL… sequence 기반으로 트레이닝됨. 어떤 cell type에서 accessible한지. TF binding 예측.
Enhancer activity 예측하고… synthetic enhancer…
모델 트레이닝한다음에 assign.
뒤에 내용은 너무 툴적인 내용이라 생략…
Github) https://github.com/aertslab/CREsted
- SCENIC, pySCENIC 만든 분이셨네..?!
Enhnacer models → scATAC-seq을 input으로. Accessibility profile 수집하여 nucleotide contribution score 측정 + in silico mutagenesis.
CREsted package. prediction of cell type specific enhancers. → sequnece based.
- but 현재로서는 ATAC으로 하는게 sequence model보다 performance가 더 좋긴 함.