Genome graphs detect human polymorphisms in active epigenomic state during influenza infection
Notice bibliographique
Résumé
Abstract Genetic variants, including mobile element insertions (MEIs), are known to impact the epigenome. We hypothesized that the use of a genome graph, which encapsulates genetic diversity, could reveal missing epigenomic signal. Given the contributions of mobile elements to the evolution of primate innate immunity, we tested this in monocyte-derived macrophages obtained from 35 individuals before and after Influenza virus infection. After characterizing genetic variants in this cohort using linked-reads, including 5140 Alu, 316 L1, 94 SVAs and 48 ERVs, we incorporated them into a genome graph. Mapping epigenetic data to this graph revealed 2.5%, 3.0% and 2.3% novel peaks for H3K4me1 and H3K27ac ChIP-seq and ATAC-seq respectively. Notably, using a genome graph also modified quantitative trait loci estimates and we observed 375 polymorphic MEIs in active epigenomic state. For example, we found an AluYh3 polymorphism whose chromatin state changed after infection and that was associated with the expression of TRIM25 , a gene that restricts influenza RNA synthesis. Our results demonstrate that graph genomes can reveal regulatory regions that would have been overlooked by other approaches.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».