利用深度学习预测复制时序揭示基因组DNA序列的基线控制

人类DNA按照精确的时间表进行复制：某些区域较早复制，而另一些区域则在细胞周期较晚阶段复制。DNA序列和表观基因组都能够指示复制时序（RT），但二者的相对贡献及其潜在互补性仍不清楚。在此，我们利用Repli-Seq数据和机器学习方法研究了七种人类细胞系中的这些关系。我们表明，GROVER（Genome Rules Obtained Via Extracted Representations）这一完全基于DNA序列训练的DNA语言模型可以针对RT进行微调，这表明DNA序列中的信息在很大程度上足以预测RT。将GROVER的序列预测作为额外特征与多种表观遗传测序数据整合后，得到的多模态模型优于仅使用DNA序列或仅使用表观基因组的方法，表明二者之间存在预测协同作用。通过评估输入特征的贡献，我们发现不同表观遗传特征对RT预测的贡献存在差异。一些表观遗传特征在引入DNA序列信息后其贡献减弱，而另一些则仍保持预测能力。GROVER的序列表征则表现为最具主导性的特征。此外，为评估RT的细胞类型特异性，我们将基因组划分为在不同细胞系中复制模式一致的组成型结构域，以及在分化过程中发生变化的细胞类型特异性结构域。尽管DNA序列特征对组成型区域的预测贡献更大，但它们在细胞类型特异性区域内同样具有信息性。总体而言，我们的研究解析了DNA序列与表观基因组相对于RT的关系，并提示初级DNA序列指令对组成型和细胞类型特异性的RT施加强有力的基础控制，而这种控制会受到DNA序列之外调控线索的精细调节。

使用深度学习预测复制时序揭示基因组DNA序列的基础性控制 | bioRxiv

跳转至主要内容

首页

关于

提交

提醒 / RSS

搜索此关键词

高级搜索

最新结果

使用深度学习预测复制时序揭示基因组DNA序列的基础性控制

Nikola Janakievski ,

Pierre M Joubert ,

查看 ORCID 个人资料

Anna R Poetsch

doi: https://doi.org/10.64898/2026.07.18.739304

Nikola Janakievski

1 生物医学基因组学，生物技术中心，分子与细胞生物工程中心，德国德累斯顿工业大学；

在 Google Scholar 上查找该作者

在 PubMed 上查找该作者

在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。

该作品依据 CC-BY-NC 4.0 国际许可协议 提供。

返回顶部

上一页

下一页

发表于 2026 年 7 月 22 日。

下载 PDF

数据/代码

电子邮件

感谢您有兴趣传播有关 bioRxiv 的信息。

您的电子邮件

*

您的姓名

*

发送至

*

请输入多个地址，每行一个，或用逗号分隔。

您将要通过电子邮件发送以下内容

使用深度学习预测复制时序揭示基因组DNA序列的基础性控制

邮件主题

（您的姓名）从 bioRxiv 转发了一个页面给您

邮件正文

（您的姓名）认为您会希望查看 bioRxiv 网站上的这个页面。

您的个人留言

验证码

此问题用于测试您是否为人类访客，并防止自动垃圾信息提交。

分享

使用深度学习预测复制时序揭示基因组DNA序列的基础性控制

Nikola Janakievski ,

Pierre M Joubert ,

Anna R Poetsch

bioRxiv 2026.07.18.739304; doi: https://doi.org/10.64898/2026.07.18.739304

分享本文：

复制

引文工具

使用深度学习预测复制时序揭示基因组DNA序列的基础性控制

Nikola Janakievski ,

Pierre M Joubert ,

Anna R Poetsch

bioRxiv 2026.07.18.739304; doi: https://doi.org/10.64898/2026.07.18.739304

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.18.739304v1?rss=1

🏷️ 复制时序 深度学习 DNA序列 表观基因组 多模态预测 基因组调控