遺伝子制御ネットワーク（GRN）は、転写因子（TF）と、それが制御する生物学的プロセスを結び付ける。関連データ型（遺伝子発現、タンパク質-DNA相互作用、遺伝的変異）は大規模で異種であり、かつそれらが組み合わせられることはまれであるため、組み立ては依然として困難である。ここでは、これらのデータをトウモロコシにおけるTF機能予測へ統合する枠組みを開発し、ベンチマークした。発現、タンパク質-DNA相互作用、トランス-eQTLに支持された相互作用、ならびにシス-eQTLに支持された相互作用に基づき、46のランダムフォレスト（RF）推定の調節ネットワーク、283のタンパク質-DNA相互作用アッセイ、304系統の16百万SNPから導出したeQTLより、4つの相補的なTF標的遺伝子ネットワーク層を構築した。これらの層は合計で約460万の相互作用から成っていた。次に、3つの統合戦略を比較し、各戦略を公表されているTFノックアウトデータに対してベンチマークした。すべての遺伝子を、統合ネットワークから学習した低次元ベクトル（埋め込み）として表すネットワークベースのアプローチは、重なりに基づく2つの戦略を上回り、8倍以上のTF（約3,000）に注釈付けでき、予測が存在する場合には遺伝子ノックアウト応答との一致が最も高く、個々の層にデータが欠けている場合でも頑健であった。この予測はTFの機能を回復し、ホルモン、発達、代謝プロセスに関わる新たな制御因子を予測し、プロセスごとに優先度付けし、特定の条件へマッピングした。さらに、低次元ベクトル表現（埋め込み）における類似性を用いて、機能的に冗長または機能が分化した可能性のあるTFパラログの候補を同定した。この枠組みは、種間で現在広く利用可能なデータ型のみに依存するため、トウモロコシおよび他の植物における制御遺伝子の優先度付けに対する一般化可能なテンプレートを提供する。
https://doi.org/10.1101/2024.02.26.582075