Система распознавания квадруплексов методами глубинного обучения

В настоящее время идёт активное изучение вторичных структур ДНК. В данной работе представлено исследование методов глубинного обучения для предсказания формирования одной из таких структур – G-квадруплексов. В ходе работы были получены модели, способные предсказывать образование G-квадруплексов in vivo с использованием как исключительно нуклеотидной последовательности, так и с использованием омиксных данных. Использовалась LSTM-модель, которая обучалась на двух доступных наборах данных – ChIP-seq и G4-seq. Далее был проведён анализ омиксных данных из базы данных ChIP-Atlas, затем полученные признаки использовались для обучения модели. Полученная модель обладала более высоким качеством, чем модель, использующая только нуклеотидные данные. Была проведена интерпретация полученной модели, были выделены признаки среди омиксных данных, важные для предсказания формирования G-квадруплекса. Разработанной моделью была сгенерирована полногеномная аннотация G-квадруплексами генома человека и мыши. Также был разработан метод переноса полученной модели на другие организмы с использованием доменно-состязательной нейронной сети (DANN) из класса доменной адаптации.