深层神经网络“DeepTFactor”可预测转录因子

2021年1月12日PNAS报道，韩国科学技术高等研究院（KAIST）和美国加州大学圣地亚哥分校（UCSD）的联合研究团队开发了一个名为“DeepTFactor”的深层神经网络，可以预测给定蛋白质序列是否为转录因子（transcription factors，TFs）。该工具突破了以往TFs预测的局限，可以对所有生物体转录系统实现精准预测，将成为了解生物体调控系统的有用工具。

转录因子是具有序列特异性的DNA结合蛋白，通过调节特定基因的转录，来调节细胞基因表达。以往通过分析与已经定性的TFs的DNA结合域的序列同源性来进行TF功能识别和预测，如果没有可参照同源序列的TFs就很难预测。此次，研究者开发了一个基于深度学习的工具DeepTFactor，使用卷积神经网络来提取蛋白质的特征，通过比对DNA结合域和其他潜在特征进行TF预测。DeepTFactor在大肠杆菌K-12 MG1655中预测了332个候选TFs。其中，84个候选TFs属于y-ome，这是一组缺乏实验证据的功能基因集合。研究者通过实验验证了DeepTFactor预测的结果，进一步表征了YqhC、YiaU和YahB三个预测TFs的全基因组结合位点。

DeepTFactor将作为预测TF的有用工具，这对于理解感兴趣的生物体的调控系统是必要的。研究者将DeepTFactor作为一个独立的程序，适用于所有生物体的转录系统预测。

吴晓燕 编译自 https://phys.org/news/2021-01-deeptfactor-transcription-factors.html

原文链接：https://www.pnas.org/content/118/2/e2021171118

原文标题：DeepTFactor: A deep learning-based tool for the prediction of transcription factors