Notice bibliographique
Résumé
Mammalian genomes contain millions of putative regulatory sequences, which are delineated by the binding of multiple transcription factors (TFs). A major question in regulatory element biology is how TFs collaborate to encode cell-specific activity of cis-regulatory DNA. Genomics approaches have given rise to various theories about the organizing principles of individual regulatory elements. The enhanceosome model posits that an individual regulatory element is defined by a combination of TFs that adhere to strict spacing and orientation constraints (SAOCs). In contrast, the billboard model suggests that regulatory DNA has (at best) soft SOACs, and individual TF binding sites are subject to a high rate of 'turnover' during evolution. My thesis work aims to explore two major issues around this topic: First, while various lines of genomic evidence have been used to compel each of these models, a systematic evaluation of how well each model explains the global sequence and biophysical properties of regulatory elements has been lacking. Therefore, I evaluated whether four different regulatory element models incorporating different degrees of SAOC among transcription factor binding sites were broadly consistent with five different global properties of regulatory sequence (length, uniqueness, frequency, turnover, and role of master regulators). Based on my analysis, I conclude that models of transcription factor binding with or without spacing and orientation constraints predict that regulatory sequences should be fundamentally short, unique, and turn over rapidly. Additionally, my analysis suggested that the existence of master regulators may be, in part, a consequence of evolutionary pressure to limit the complexity and increase evolvability of regulatory sites. Second, in order to thoroughly explore multiple TF binding and the regulatory code, I assisted in the identification of binding motifs for the remaining TFs that lack motifs. I systematically compared traditional position weight matrix models of TF specificity to more complex k-mer based approaches like gapped-kmer support vector machine (gkmSVM) both within and across Chip-Seq and HT-SELEX datasets. I discovered that gkmSVM outperforms PWMs in predicting HT-SELEX and Chip-Seq data for almost all TFs tested, suggesting that TF binding may be influenced by flanking sequences and dinucleotide interdependency that are not accounted for by a PWM model. Additionally, I find that cross-comparing models across datasets is critical for identifying systematic biases in these datasets and flagging uninformative experiments. Overall, my research will contribute greatly to our understanding of the regulatory element code and will aid in the understanding of multiple TF binding and individual TF binding.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».