La IA y los problemas difíciles del mundo · Ciencias de la vida · Nature (computational biology) · 2026-10-22
Predicción de la cinética de ráfagas transcripcionales a partir de modificaciones de histonas con aprendizaje profundo
Título original: Predicting transcriptional burst kinetics from histone modifications with deep learning
La transcripción es inherentemente intermitente (en ráfagas), pero ha resultado difícil cuantificar a escala genómica cómo los paisajes de modificaciones de histonas codifican la cinética de las ráfagas. Un modelo de aprendizaje profundo llamado DeepBurst predice regímenes de frecuencia y de tamaño de ráfaga específicos de cada gen a partir de perfiles de modificaciones de histonas alrededor de los sitios de inicio de la transcripción, mostrando un rendimiento consistente en tres líneas celulares humanas y una fuerte generalización entre tipos celulares. La interpretación del modelo indica que la frecuencia de ráfaga se beneficia de un contexto de cromatina más amplio, mientras que el tamaño de ráfaga depende más de señales proximales al promotor, y las perturbaciones in silico identifican cambios en los perfiles de histonas que se predicen desplazarán los regímenes de ráfaga.