• 题目:Using Machine Learning to Dissect Recombination Landscape
  • 时间:2018 年 11 月 14 号(星期三),美西时间(Pacific Time)6:00 PM
  • 地点:YouTube live stream
  • 主讲人:王明辉(Minghui Wang)Cornell University

第一次减数分裂前,同源染色体会经历配对,联会和遗传物质重组交换等一系列过程。同源染色体遗传物质重组交换促进了遗传多样性的发生,进而为遗传育种及选种选育提供更多的原材料。减数分裂的重组过程是被严格调控的,它起始于DNA双链的断裂(double strand break),在RAD51及其它蛋白的作用下,DSB通过同源重组修复,一部分形成基因转换(gene conversion)个体,还有一部分形成重组(crossover)个体。玉米研究发现,DSB热点近乎均匀分布在玉米染色体,这些热点具有如下特征:较低的CG与CHG甲基化水平,主要分布在开放的染色质(open chromatin)区域与CG富及DNA结合基序(motif)。利用B73与Mo17回交群体,我们获取高精度的重组区间(<2000bp)。后续的研究发现,重组位置具有跟DSB相似的特征,较低的甲基化,开放染色质区域,较高的H3k4me3组蛋白修饰,此外也有一定特征的DNA基序。基于上述研究,我们认为基因组的与染色质特征,决定DSB与crossover发生位置。由于实验的难度及测序经费问题,目前的研究仅仅局限于B73。因此我们仅仅得到有限的DSB与crossover位置信息。基于已有的数据作为训练集,利用机器学习的方法,我们尝试基因组水平的DSB与crossover位点预测。结果发现,随机森林算法具有较高的精确度,准确度达到92%以上。不同的特征决定了DSB与重组位置的发生,H3K9me2,GC,CC,CG碱基频率与开放的染色质造就了DSB的发生,而DNA甲基化与开放的染色质决定重组位置的发生。

幻灯片和Youtube视频

comments powered by Disqus