KI und die schwierigen Probleme der Welt · Lebenswissenschaften · Nature (computational biology) · 2026-10-22
Vorhersage der Kinetik transkriptioneller Bursts aus Histonmodifikationen mit Deep Learning
Originaltitel: Predicting transcriptional burst kinetics from histone modifications with deep learning
Transkription ist von Natur aus burstartig, doch war es bislang schwierig, auf Genomebene zu quantifizieren, wie Histonmodifizierungslandschaften Burstkinetik kodieren. Ein Deep-Learning-Modell namens DeepBurst sagt aus Histonmodifizierungsprofilen rund um Transkriptionsstartstellen genspezifische Regime von Burstfrequenz und Burstgröße voraus und zeigt dabei konsistente Leistung über drei menschliche Zelllinien hinweg sowie eine starke Generalisierung über Zelltypen hinweg. Die Modellinterpretation deutet darauf hin, dass die Burstfrequenz von einem breiteren Chromatinkontext profitiert, während die Burstgröße stärker von promoternahen Signalen abhängt; In-silico-Perturbationen identifizieren Veränderungen der Histonprofile, von denen vorhergesagt wird, dass sie die Bursting-Regime verschieben.