基于组蛋白修饰数据预测基因差异性表达的深度融合模型

doi:10.11772/j.issn.1001-9081.2021111956

《计算机应用》唯一官方网站 ›› 2022, Vol. 42 ›› Issue (11): 3404-3412.DOI: 10.11772/j.issn.1001-9081.2021111956

所属专题：第九届CCF大数据学术会议(CCF Bigdata 2021)

• 第九届CCF大数据学术会议 • 上一篇下一篇

基于组蛋白修饰数据预测基因差异性表达的深度融合模型

李昕, 贾韬()

西南大学计算机与信息科学学院，重庆 400715

收稿日期:2021-11-17 修回日期:2021-11-23 接受日期:2021-12-06 发布日期:2021-12-31 出版日期:2022-11-10
通讯作者: 贾韬
作者简介:李昕（1997—），女，四川绵阳人，硕士研究生，CCF会员，主要研究方向：数据挖掘、生物信息学、机器学习
贾韬（1982—），男，重庆人，教授，博士，CCF会员，主要研究方向：数据科学、复杂网络。 tjia@swu.edu.cn
基金资助:
教育部中国高校产学研创新基金资助项目(2021ALA03016)

Deep fusion model for predicting differential gene expression by histone modification data

Xin LI, Tao JIA()

College of Computer and Information Science，Southwest University，Chongqing 400715，China

Received:2021-11-17 Revised:2021-11-23 Accepted:2021-12-06 Online:2021-12-31 Published:2022-11-10
Contact: Tao JIA
About author:LI Xinborn in 1997， M. S. candidate. Her research interests include data mining， bioinformatics， machine learning.
JIA Taoborn in 1982， Ph. D.， professor. His research interests include data science， complex network.
Supported by:
Industry?University?Research Innovation Fund for Universities of China, Ministry of Education(2021ALA03016)

摘要/Abstract

摘要：

针对使用大规模组蛋白修饰（HM）数据预测基因差异性表达（DGE）时未合理利用细胞型特异性（CS）和细胞型间异同两类信息，且输入规模大、计算量高等问题，提出一种深度学习方法dcsDiff。首先，使用多个自编码器（AE）和双向长短时记忆（Bi?LSTM）网络降维，并建模HM信号得到嵌入表示；然后，利用多个卷积神经网络（CNN）分别挖掘每类CS的HM组合效应以及两细胞型间每种HM的异同信息和所有HM的联合影响；最后，融合两类信息预测两细胞型间的 DGE。在对REMC数据库中10对细胞型的实验中，与DeepDiff相比，dcsDiff的预测DGE的皮尔逊相关系数（PCC）最高提升了7.2%、平均提升了3.9%，准确检测出差异表达基因的数量最多增加了36、平均增加了17.6，运行时间节省了78.7%；进一步的成分分析实验证明了合理整合上述两类信息的有效性；并通过实验确定了算法的参数。实验结果表明dcsDiff能有效提高DGE预测的效率。

关键词: 组蛋白修饰, 基因差异性表达, 细胞型特异性, 自编码器, 双向长短时记忆网络, 信息融合, 表观遗传学

Abstract:

Concering the problem that the Cell type?Specificity （CS） and similarity and difference information between different cell types are not properly used when predicting Differential Gene Expression （DGE） with large?scale Histone Modification （HM） data， as well as large volume of input and high computational cost， a deep learning?based method named dcsDiff was proposed. Firstly， multiple AutoEncoders （AEs） and Bi?directional Long Short?Term Memory （Bi?LSTM） networks were introduced to reduce the dimensionality of HM signals and model them to obtain the embedded representation. Then， multiple Convolutional Neural Networks （CNNs） were used to mine the HM combined effects in each single cell type， and the similarity and difference information of each HM and joint effects of all HMs between two cell types. Finally， the two kinds of information were fused to predict DGE between two cell types. In the comparison experiments with DeepDiff on 10 pairs of cell types in the REMC （Roadmap Epigenomics Mapping Consortium） database， the Pearson Correlation Coefficient （PCC） of dcsDiff in DGE prediction was increased by 7.2% at the highest and 3.9% on average， the number of differentially expressed genes accurately detected by dcsDiff was increased by 36 at most and 17.6 on average， and the running time of dcsDiff was saved by 78.7%. The validity of reasonable integration of the above two kinds of information was proved in the component analysis experiment. The parameters of dcsDiff were also determined by experiments. Experimental results show that the proposed dcsDiff can effectively improve the efficiency of DGE prediction.

Key words: Histone Modification (HM), Differential Gene Expression (DGE), Cell type?Specificity (CS), AutoEncoder (AE), Bi?directional Long Short?Term Memory (Bi?LSTM) network, information fusion, epigenetics

中图分类号:

TP301.6

李昕, 贾韬. 基于组蛋白修饰数据预测基因差异性表达的深度融合模型[J]. 计算机应用, 2022, 42(11): 3404-3412.

Xin LI, Tao JIA. Deep fusion model for predicting differential gene expression by histone modification data[J]. Journal of Computer Applications, 2022, 42(11): 3404-3412.

图/表 11

参考文献 50

1	BANNISTER A J， KOUZARIDES T. Regulation of chromatin by histone modifications［J］. Cell Research， 2011， 21（3）： 381-395. 10.1038/cr.2011.22
2	HEINTZMAN N D， STUART R K， HON G， et al. Distinct and predictive chromatin signatures of transcriptional promoters and enhancers in the human genome［J］. Nature Genetics， 2007， 39（3）： 311-318. 10.1038/ng1966
3	BONASIO R， TU S J， REINBERG D. Molecular signals of epigenetic states［J］. Science， 2010， 330（6004）： 612-616. 10.1126/science.1191078
4	LI B， CAREY M， WORKMAN J L. The role of chromatin during transcription［J］. Cell， 2007， 128（4）： 707-719. 10.1016/j.cell.2007.01.015
5	LIM P S， HARDY K， BUNTING K L， et al. Defining the chromatin signature of inducible genes in T cells［J］. Genome Biology， 2009， 10（10）： No.R107. 10.1186/gb-2009-10-10-r107
6	CAIN C E， BLEKHMAN R， MARIONI J C， et al. Gene expression differences among primates are associated with changes in a histone epigenetic modification［J］. Genetics， 2011， 187（4）： 1225-1234. 10.1534/genetics.110.126177
7	GJONESKA E， PFENNING A R， MATHYS H， et al. Conserved epigenomic signals in mice and humans reveal immune basis of Alzheimer’s disease［J］. Nature， 2015， 518（7539）： 365-369. 10.1038/nature14252
8	WENG N P， ARAKI Y， SUBEDI K. The molecular basis of the memory T cell response： differential gene expression and its epigenetic regulation［J］. Nature Reviews Immunology， 2012， 12（4）： 306-315. 10.1038/nri3173
9	RINTISCH C， HEINIG M， BAUERFEIND A， et al. Natural variation of histone modification and its impact on gene expression in the rat genome［J］. Genome Research， 2014， 24（6）： 942-953. 10.1101/gr.169029.113
10	刘建敏，曹蜀炜，张萌，等. RNF2基因在喉癌组织及细胞中的表达情况研究［J］. 医学综述， 2018， 24（14）： 2886-2889， 2895. 10.3969/j.issn.1006-2084.2018.14.036
	LIU J M， CAO S W， ZHANG M， et al. Study of RNF2 expression in larynocarcinoma tissue and cells［J］. Medical Recapitulate， 2018， 24（14）： 2886-2889， 2895. 10.3969/j.issn.1006-2084.2018.14.036
11	岳峰，孙亮，王宽全，等. 基因表达数据的聚类分析研究进展［J］. 自动化学报， 2008， 34（2）：113-120. 10.3724/SP.J.1004.2008.00113
	YUE F， SUN L， WANG K Q， et al. State‑of‑the‑art of cluster analysis of gene expression data［J］. Acta Automatica Sinica， 2008， 34（2）：113-120. 10.3724/SP.J.1004.2008.00113
12	闫麒，蔺亚妮，黄先琪，等. 急性髓系白血病融合基因表达特点分析［J］. 中华血液学杂志， 2021， 42（6）：480-486. 10.3760/cma.j.issn.0253-2727.2021.06.007
	YAN Q， LIN Y N， HUANG X Q， et al. Analysis of fusion gene expression in acute myeloid leukemia［J］. Chinese Journal of Hematology， 2021， 42（6）：480-486. 10.3760/cma.j.issn.0253-2727.2021.06.007
13	雷越，万婕，文韬宇，等. siRNA沉默FOXM1基因表达对人鼻咽癌细胞增殖、凋亡及化疗敏感性的影响［J］. 肿瘤， 2018， 38（1）：25-34. 10.3781/j.issn.1000-7431.2018.11.741
	LEI Y， WAN J， WEN T Y， et al. Effects of siRNA silencing the expression of FOXM1 gene on proliferation， apoptosis and chemosensitivity of human nasopharyngeal carcinoma cells［J］. Tumor， 2018， 38（1）： 25-34. 10.3781/j.issn.1000-7431.2018.11.741
14	袁佳仪，何恒晶，毕娅琼，等. TOP2A基因表达对膀胱癌的预后价值分析［J］. 国际肿瘤学杂志， 2018， 45（1）：22-26. 10.3760/cma.j.issn.1673-422X.2018.01.005
	YUAN J Y， HE H J， BI Y Q， et al. Prognostic value analysis of TOP2A gene expression for bladder cancer［J］. Journal of International Oncology， 2018， 45（1）： 22-26. 10.3760/cma.j.issn.1673-422X.2018.01.005
15	刘潇，李文桂. 铜绿假单胞菌重组Bb‑OprI疫苗诱导小鼠保护力和脾细胞因子基因表达变化的研究［J］. 中国病原生物学杂志， 2018， 13（3）：226-229.
	LIU X， LI W G. Study on protection by and changes in expression of cytokine genes in splenocytes from mice inoculated with a recombinant Bb‑Oprl vaccine against Pseudomonas aeruginosa［J］. Journal of Pathogen Biology， 2018， 13（3）：226-229.
16	JIA T， KULKARNI R V. Intrinsic noise in stochastic models of gene expression with molecular memory and bursting［J］. Physical Review Letters， 2011， 106（5）： No.058102. 10.1103/physrevlett.106.058102
17	QIU S G， JIA T. Quantifying the noise in bursty gene expression under regulation by small RNAs［J］. International Journal of Modern Physics C， 2019， 30（7）： No.1940002. 10.1142/s0129183119400023
18	ZHANG J J， ZHOU T S. Markovian approaches to modeling intracellular reaction processes with molecular memory［J］. Proceedings of the National Academy of Sciences of the United States of America， 2019， 116（47）： 23542-23550. 10.1073/pnas.1913926116
19	ZHANG Z Q， DENG Q Q， WANG Z H， et al. Exact results for queuing models of stochastic transcription with memory and crosstalk［J］. Physical Review E， 2021， 103（6）： No.062414. 10.1103/physreve.103.062414
20	KUMAR N， JIA T， ZARRINGHALAM K， et al. Frequency modulation of stochastic gene expression bursts by strongly interacting small RNAs［J］. Physical Review E， 2016， 94（4）： No.042419. 10.1103/physreve.94.042419
21	OUYANG Z Q， ZHOU Q， WONG W H. ChIP‑Seq of transcription factors predicts absolute and differential gene expression in embryonic stem cells［J］. Proceedings of the National Academy of Sciences of the United States of America， 2009， 106（51）： 21521-21526. 10.1073/pnas.0904863106
22	XU J F， SHI J J， CUI X D， et al. Cellular Heterogeneity‑Adjusted cLonal Methylation （CHALM） improves prediction of gene expression［J］. Nature Communications， 2021， 12： No.400. 10.1038/s41467-020-20492-7
23	NATARAJAN A， YARDIMCI G G， SHEFFIELD N C， et al. Predicting cell‑type‑specific gene expression from regions of open chromatin［J］. Genome Research， 2012， 22（9）： 1711-1722. 10.1101/gr.135129.111
24	KARLIĆ R， CHUNG H R， LASSERRE J， et al. Histone modification levels are predictive for gene expression［J］. Proceedings of the National Academy of Sciences of the United States of America， 2010， 107（7）： 2926-2931. 10.1073/pnas.0909344107
25	HO B H， HASSEN R M K， LE N T. Combinatorial roles of DNA methylation and histone modifications on gene expression［C］// Proceedings of the 2014 National Foundation for Science and Technology Development （NAFOSTED） Conference on Information and Computer Science， AISC 341. Cham： Springer， 2015： 123-135.
26	CHENG C， GERSTEIN M. Modeling the relative relationship of transcription factor binding and histone modifications to gene expression levels in mouse embryonic stem cells［J］. Nucleic Acids Research， 2012， 40（2）： 553-568. 10.1093/nar/gkr752
27	LI Z C， GAO N， MARTINI J W R， et al. Integrating gene expression data into genomic prediction［J］. Frontiers in Genetics， 2019， 10： No.126. 10.3389/fgene.2019.00126
28	SCHMIDT F， KERN F， SCHULZ M H. Integrative prediction of gene expression with chromatin accessibility and conformation data［J］. Epigenetics and Chromatin， 2020， 13： No.4. 10.1186/s13072-020-0327-0
29	AVSEC Ž， AGARWAL V， VISENTIN D， et al. Effective gene expression prediction from sequence by integrating long‑range interactions［J］. Nature Methods， 2021， 18（10）：1196-1203. 10.1038/s41592-021-01252-x
30	LI J， CHING T， HUANG S J， et al. Using epigenomics data to predict gene expression in lung cancer［J］. BMC Bioinformatics， 2015， 16（S5）： No.S10. 10.1186/1471-2105-16-s5-s10
31	FRASCA M， PAVESI G. A neural network based algorithm for gene expression prediction from chromatin structure［C］// Proceedings of the 2013 International Joint Conference on Neural Networks. Piscataway： IEEE， 2013： 1-8. 10.1109/ijcnn.2013.6706954
32	KUMAR V， MURATANI M， RAYAN N A， et al. Uniform， optimal signal processing of mapped deep sequencing data［J］. Nature Biotechnology， 2013， 31（7）： 615-622. 10.1038/nbt.2596
33	ERNST J， KELLIS M. Large‑scale imputation of epigenomic datasets for systematic annotation of diverse human tissues［J］. Nature Biotechnology， 2015， 33（4）： 364-367. 10.1038/nbt.3157
34	COSTA I G， ROIDER H G， REGO T G DO， et al. Predicting gene expression in t cell differentiation from histone modifications and transcription factor binding affinities by linear mixture models［J］. BMC Bioinformatics， 2011， 12（S1）： No.S29. 10.1186/1471-2105-12-s1-s29
35	CHENG C， YAN K K， YIP K Y， et al. A statistical framework for modeling gene expression using chromatin features and application to modENCODE datasets［J］. Genome Biology， 2011， 12（2）： No.R15. 10.1186/gb-2011-12-2-r15
36	DONG X J， GREVEN M C， KUNDAJE A， et al. Modeling gene expression using chromatin features in various cellular contexts［J］. Genome Biology， 2012， 13（9）： No.R53. 10.1186/gb-2012-13-9-r53
37	SINGH R， LANCHANTIN J， ROBINS G， et al. DeepChrome： deep‑learning for predicting gene expression from histone modifications［J］. Bioinformatics， 2016， 32（17）： i639-i648. 10.1093/bioinformatics/btw427
38	SINGH R， LANCHANTIN J， SEKHON A， et al. Attend and predict： understanding gene regulation by selective attention on chromatin［J］. Advances in Neural Information Processing Systems， 2017， 30： 6785-6795.
39	SEKHON A， SINGH R， QI Y J. DeepDiff： DEEP‑learning for predicting DIFFerential gene expression from histone modifications［J］. Bioinformatics， 2018， 34（17）： i891-i900. 10.1093/bioinformatics/bty612
40	HOCHREITER S， SCHMIDHUBER J. Long short‑term memory［J］. Neural Computation， 1997， 9（8）： 1735-1780. 10.1162/neco.1997.9.8.1735
41	LeCUN Y， BOTTOU L， BENGIO Y， et al. Gradient‑based learning applied to document recognition［J］. Proceedings of the IEEE， 1998， 86（11）： 2278-2324. 10.1109/5.726791
42	Roadmap Epigenomics Consortium， KUNDAJE A， MEULEMAN W， et al. Integrative analysis of 111 reference human epigenomes［J］. Nature， 2015， 518（7539）： 317-330.
43	CELNIKER S E， DILLON L A L， GERSTEIN M B， et al. Unlocking the secrets of the genome［J］. Nature， 2009， 459（7249）： 927-930. 10.1038/459927a
44	The ENCODE Project Consortium. An integrated encyclopedia of DNA elements in the human genome［J］. Nature， 2012， 489（7414）： 57-74. 10.1038/nature11247
45	TOMCZAK K， CZERWIŃSKA P， WIZNEROWICZ M. The Cancer Genome Atlas （TCGA）： an immeasurable source of knowledge［J］. Contemporary Oncology/Współczesna Onkologia， 2015， 19（1A）： A68-A77. 10.5114/wo.2014.47136
46	On behalf of The ENCODE Project Consortium. The ENCODE （ENCyclopedia of DNA elements） project［J］. Science， 2004， 306（5696）： 636-640. 10.1126/science.1105136
47	KONONENKO I， ŠIMEC E， ROBNIK‑ŠIKONJA M. Overcoming the myopia of inductive learning algorithms with RELIEFF［J］. Applied Intelligence， 1997， 7（1）： 39-55. 10.1023/a:1008280620621
48	NAIR V， HINTON G E. Rectified linear units improve restricted Boltzmann machines［C］// Proceedings of the 27th International Conference on Machine Learning. Madison， WI： Omnipress， 2010： 807-814.
49	KINGMA D P， BA J L. Adam： a method for stochastic optimization［EB/OL］. （2017-01-30）［2021-06-30］..
50	PEDREGOSA F， VAROQUAUX G， GRAMFORT A， et al. Scikit‑learn： machine learning in Python［J］. Journal of Machine Learning Research， 2011， 12： 2825-2830.

组蛋白修饰	相关基因组区域
H3K4me1	增强子（Enhancer）
H3K4me3	启动子（Promoter）
H3K9me3	异染色质（Heterochromatin）
H3K27me3	Polycomb抑制（Polycomb repression）
H3K36me3	转录（Transcribed）

组蛋白修饰	相关基因组区域
H3K4me1	增强子（Enhancer）
H3K4me3	启动子（Promoter）
H3K9me3	异染色质（Heterochromatin）
H3K27me3	Polycomb抑制（Polycomb repression）
H3K36me3	转录（Transcribed）

细胞型	REMC中ID
K562	E123
GM12878	E116
H1细胞系（H1 Cell Line）	E003
H1 BMP4衍生的中内胚层培养细胞（H1 BMP4 Derived Mesendoderm Cultured Cells）	E004
H1 BMP4衍生的滋养层培养细胞（H1 BMP4 Derived Trophoblast Cultured Cells）	E005
H1衍生的间充质干细胞（H1 Derived Mesenchymal Stem Cells）	E006
H1衍生的神经元祖培养细胞（H1 Derived Neuronal Progenitor Cultured Cells）	E007
CD4记忆原代细胞（CD4 Memory Primary Cells）	E037
CD4幼稚原代细胞（CD4 Naive Primary Cells）	E038

细胞型	REMC中ID
K562	E123
GM12878	E116
H1细胞系（H1 Cell Line）	E003
H1 BMP4衍生的中内胚层培养细胞（H1 BMP4 Derived Mesendoderm Cultured Cells）	E004
H1 BMP4衍生的滋养层培养细胞（H1 BMP4 Derived Trophoblast Cultured Cells）	E005
H1衍生的间充质干细胞（H1 Derived Mesenchymal Stem Cells）	E006
H1衍生的神经元祖培养细胞（H1 Derived Neuronal Progenitor Cultured Cells）	E007
CD4记忆原代细胞（CD4 Memory Primary Cells）	E037
CD4幼稚原代细胞（CD4 Naive Primary Cells）	E038

编号	细胞型A	细胞型B	编号	细胞型A	细胞型B
1	E123	E003	6	E003	E006
2	E123	E116	7	E004	E006
3	E116	E003	8	E005	E006
4	E003	E004	9	E006	E007
5	E003	E005	10	E037	E038

基于组蛋白修饰数据预测基因差异性表达的深度融合模型

Deep fusion model for predicting differential gene expression by histone modification data

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 50

相关文章 15

编辑推荐

Metrics

序号	细胞型对	DE基因的数目
序号	细胞型对	n^true（真实）	n^DeepDiff	n^dcsDiff
1	E123‒E003	487	258	291
2	E123‒E116	392	169	205
3	E116‒E003	552	283	313
4	E003‒E004	3	1	1
5	E003‒E005	118	34	47
6	E003‒E006	264	86	110
7	E004‒E006	225	73	86
8	E005‒E006	186	49	63
9	E006‒E007	247	79	92
10	E037‒E038	2	0	0

[1]	邓凯丽, 魏伟波, 潘振宽. 改进掩码自编码器的工业缺陷检测方法[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2595-2603.
[2]	李宗禹, 强思维, 郭晓波, 朱振峰. 重加权的对抗变分自编码器及其在工业因果效应估计中的应用[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1099-1106.
[3]	张卓, 陈花竹. 基于一致性和多样性的多尺度自表示学习的深度子空间聚类[J]. 《计算机应用》唯一官方网站, 2024, 44(2): 353-359.
[4]	蒋辉, 闫秋艳, 姜竹郡. 面向多元时间序列异常检测的对称正定自编码器方法[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3294-3299.
[5]	马国帅, 钱宇华, 张亚宇, 李俊霞, 刘郭庆. 动态异构信息融合的科研合作潜力预测[J]. 《计算机应用》唯一官方网站, 2023, 43(9): 2775-2783.
[6]	李豆豆, 李汪根, 夏义春, 束阳, 高坤. 基于特征交互与自适应融合的骨骼动作识别[J]. 《计算机应用》唯一官方网站, 2023, 43(8): 2581-2587.
[7]	王静红, 周志霞, 王辉, 李昊康. 双路自编码器的属性网络表示学习[J]. 《计算机应用》唯一官方网站, 2023, 43(8): 2338-2344.
[8]	黄梦林, 段磊, 张袁昊, 王培妍, 李仁昊. 基于Prompt学习的无监督关系抽取模型[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2010-2016.
[9]	王思蕊, 程世娟, 袁非梦. 基于改进证据融合的高可靠产品可靠性评估方法[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2140-2146.
[10]	王昱, 范子琳, 任田君, 姬晓飞. 不完备信息下基于切换推理证据网络的空中目标识别方法[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 1071-1078.
[11]	尹春勇, 周立文. 基于再编码的无监督时间序列异常检测模型[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 804-811.
[12]	徐少康, 张战成, 姚浩男, 邹智伟, 张宝成. 基于姿态编码器的2D/3D脊椎医学图像实时配准方法[J]. 《计算机应用》唯一官方网站, 2023, 43(2): 589-594.
[13]	马志峰, 于俊洋, 王龙葛. 多样性表示的深度子空间聚类算法[J]. 《计算机应用》唯一官方网站, 2023, 43(2): 407-412.
[14]	贾晴, 王来花, 王伟胜. 基于独立循环神经网络与变分自编码网络的视频帧异常检测[J]. 《计算机应用》唯一官方网站, 2023, 43(2): 507-513.
[15]	魏楚元, 王梦珂, 户传豪, 张桄齐. 增强推荐系统可解释性的深度评论注意力神经网络模型[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3443-3448.

bin大小/bp	bin数目	bin大小/bp	bin数目
50	400	200	100
100	200	250	80
150	134	300	67

bin大小/bp	bin数目	bin大小/bp	bin数目
50	400	200	100
100	200	250	80
150	134	300	67

方法	运行时间	方法	运行时间
SVR	219	DeepDiff	254
DeepChrome	26	dcsDiff	54
AttentiveChrome	204

方法	运行时间	方法	运行时间
SVR	219	DeepDiff	254
DeepChrome	26	dcsDiff	54
AttentiveChrome	204