主要观点总结
本文主要介绍了基因表达由转录和翻译两部分构成，但mRNA水平与蛋白质水平间存在相关性差异，阻碍了疾病相关变异调控作用的理解。文章还提到了非编码区疾病位点无法直接改变蛋白质序列，但其对翻译过程的影响对疾病发生发展有重要作用。为此，浙江大学熊旭深课题组发表了题为Deep learning prediction of ribosome profiling with Translatomer的研究论文，使用多模态深度学习模型Translatomer预测细胞特异性翻译过程，解析了遗传变异对基因翻译的调控作用。该模型整合基因序列和RNA-seq数据，准确预测翻译信号，并开发了两种模型的可解释性算法和工具。研究还鉴定了影响翻译效率的复杂疾病遗传位点，为领域提供研究基因翻译调控的新工具，并为解释复杂疾病中的遗传变异提供机制基础。
关键观点总结
关键观点1: mRNA水平与蛋白质水平的相关性仅为约0.6，存在差异性。
这是理解疾病相关变异调控作用的一个障碍。
关键观点2: 大部分非编码疾病位点的机制未被完全解释。
需要在翻译的层面上解析这部分非编码的疾病位点的机制。
关键观点3: Translatomer模型的发展填补了mRNA表达与蛋白质水平之间的差距。
该模型整合基因序列和RNA-seq数据，能够准确地从头预测翻译信号。
关键观点4: Translatomer模型具有可解释性算法和工具。
这些工具能够利用模型精准预测剪辑突变对所在基因的翻译效率的影响，并揭示了遗传疾病位点的机制。
关键观点5: 研究鉴定了影响翻译效率的复杂疾病遗传位点。
这些位点对于翻译的影响具有组织/细胞类型特异性，对多种复杂疾病的发生产生了重要影响。
文章预览
基因表达主要是由转录和翻译两部分构成的。但研究发现，mRNA水平并不能完全代表对应的蛋白质水平，两者之间的相关性仅为约0.6，并且相关性在不同细胞类型和组织中具有差异性。尽管已有大量数据和算法用于评估遗传变异对转录的影响，但mRNA与蛋白质水平之间存在的差异阻碍了对疾病相关变异调控作用的系统性理解。另一方面，93%以上与人类疾病相关的变异位于非编码区，其中也包括了一部分位于mRNA非翻译区 （5’UTR或3’UTR） 的疾病位点，这些位点无法直接改变蛋白质序列。尽管已有大量研究致力于阐明这些变异在mRNA表达层面的调控及其在介导疾病中的意义，但大部分非编码疾病位点的机制仍未被完全解释，因此亟需在翻译的层面上解析这部分非编码的疾病位点的机制。 2024年10月23日，浙江大学良渚实验室/附属第二医院 熊旭深 课题组在 N
………………………………
