AI اور دنیا کے مشکل مسائل · حیاتیاتی علوم · Nature (computational biology) · 2026-10-22

{'attributes': {}, 'data': 'ڈیپ لرننگ کے ذریعے ہسٹون ترمیمات سے ٹرانسکرپشنل برسٹ کینیٹکس کی پیش گوئی', 'type': 'text'}

اصل عنوان: Predicting transcriptional burst kinetics from histone modifications with deep learning

ٹرانسکرپشن فطری طور پر برسٹی ہوتی ہے، لیکن جینوم کی سطح پر یہ مقداری طور پر جانچنا مشکل رہا ہے کہ ہسٹون-ترمیم کے منظرنامے برسٹ کائنیٹکس کو کیسے کوڈ کرتے ہیں۔ DeepBurst نامی ایک ڈیپ لرننگ ماڈل ٹرانسکرپشن اسٹارٹ سائٹس کے اطراف کی ہسٹون-ترمیم پروفائلز سے جین کے لیے مخصوص برسٹ-فریکوئنسی اور برسٹ-سائز ریجیمز کی پیش گوئی کرتا ہے، اور تین انسانی سیل لائنز میں یکساں کارکردگی اور سیل کی اقسام کے درمیان مضبوط جنرلائزیشن دکھاتا ہے۔ ماڈل کی تشریح سے پتہ چلتا ہے کہ برسٹ فریکوئنسی کو وسیع کروماٹن سیاق سے فائدہ ہوتا ہے جبکہ برسٹ سائز زیادہ تر پروموٹر کے قریبی سگنلز پر منحصر ہوتا ہے، اور in silico پریٹربیشنز ان ہسٹون-پروفائل تبدیلیوں کی نشاندہی کرتے ہیں جن کے برسٹنگ ریجیمز بدلنے کی پیش گوئی ہوتی ہے۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →