EPInformer: skalbar och integrativ förutsägelse av genuttryck från promotor-enhancer-sekvenser med multimodala epigenomprofiler

Varför förutsägelse av genaktivitet är viktig

Varje cell i din kropp bär i princip samma DNA, ändå beter sig hjärnceller, blodceller och leverceller mycket olika. Det som skiljer dem åt är vilka gener som är på- eller avstängda. Att kunna förutsäga denna genaktivitet direkt från DNA och tillhörande signaler skulle hjälpa forskare att förstå hur celler utvecklas, reagerar på sin omgivning och ibland går fel vid sjukdom. Denna artikel presenterar EPInformer, ett nytt beräkningsverktyg som använder senaste framstegen inom artificiell intelligens för att förutsäga genaktivitet mer exakt och effektivt än tidigare metoder.

Hur avlägsna DNA-strömbrytare styr gener

Gener styrs inte bara av den korta DNA-sekvens där avläsningen startar (promotorn). De påverkas också av avlägsna DNA-bitar kallade enhancers som fungerar som fjärrströmbrytare. Dessa strömbrytare kan ligga tiotusentals eller till och med hundratusentals DNA-bokstäver bort från en gen och nå promotorn genom att DNA slingrar sig i tredimensionellt rum. Ovanpå den råa DNA-sekvensen visar kemiska markeringar och proteinmarkörer längs DNA — tillsammans kallade epigenomiska signaler — vilka strömbrytare som är aktiva i en viss celltyp. Traditionella datorbaserade modeller har haft svårt att kombinera all denna information, särskilt effekten av mycket avlägsna strömbrytare, för att förutsäga hur starkt en gen uttrycks.

En kompakt AI-modell som läser många signaler samtidigt

EPInformer bygger på en modern AI-arkitektur känd som transformer, anpassad från språkmodeller. Istället för att läsa meningar läser den DNA-segment runt en gen och dess kandidatströmbrytare. Modellen omvandlar först varje promotor- och närliggande enhancer-sekvens till en numerisk "embedding" som fångar viktiga mönster. Den kan också koppla på extra kanaler som representerar lokala kemiska markeringar på DNA, kromatinets åtkomstbarhet och mätningar av hur ofta DNA-regioner rör vid varandra i 3D. En särskild attention-mekanism fokuserar sedan på hur varje potentiell strömbrytare interagerar med promotorn, samtidigt som interaktioner mellan strömbrytare medvetet ignoreras. Ett slutligt förutsägelsesteg kombinerar denna inlärda representation med grundläggande egenskaper hos genens RNA för att ge den förväntade aktivitetsnivån.

Bättre förutsägelser med färre beräkningsresurser

För att testa EPInformer tränade och utvärderade författarna modellen på stora offentliga dataset som profilerar DNA-åtkomst, kemiska markeringar, 3D-kontakter och genaktivitet i flera humana cellinjer. De jämförde olika versioner av modellen som endast använde sekvens och avstånd, lade till epigenomiska signaler eller ytterligare inkluderade 3D-kontaktkartor. Både för standard RNA-sekvensering och en promotorfokuserad assay kallad CAGE överträffade EPInformer konsekvent ledande metoder, inklusive stora sekvens-enda modeller som skannar mycket långa DNA-avsnitt. Anmärkningsvärt nog gjorde den detta med en bråkdel av parametrarna — ungefär 0,4 miljoner mot hundratals miljoner — vilket möjliggjorde träning på en enda grafisk processor på cirka en timme. Det gör noggrann modellering av genaktivitet tillgänglig för många laboratorier utan enorma beräkningskluster.

Hitta viktiga strömbrytare och deras kontrollord

Eftersom EPInformer’s attention-mekanism ger poäng för hur starkt varje kandidat-enhancer påverkar en gen, kan den också hjälpa till att peka ut de viktigaste strömbrytarna i en given celltyp. Författarna visade att dessa attention-poäng mer exakt återfann experimentellt bekräftade enhancer–gen-par än en mycket använd scorer baserad på aktivitet och kontakt ensam, särskilt för avlägsna strömbrytare. De använde vidare tolkningsverktyg för att zooma in i DNA-sekvenserna hos toppskattade enhancers och identifiera korta återkommande mönster som matchar kända bindningsställen för transkriptionsfaktorer — proteiner som fungerar som kontrollord i genomet. I blodrelaterade celler återupptäckte EPInformer till exempel motiv för huvudregulatorer av röda blodkroppars utveckling, vilket antyder att modellen lärt sig biologiskt meningsfulla regler snarare än att bara memorera data.

Vad detta betyder för framtidens biologi och medicin

Förenklat ger EPInformer forskare en skarpare och mer prisvärd lins för att förstå hur gener sätts på och stängs av i olika celltyper genom att kombinera DNA-sekvens, kemiska markeringar och genomsammanslagning i 3D. Dess förmåga att lyfta fram vilka avlägsna strömbrytare som är viktiga för en viss gen, och vilka kontrollord de innehåller, kan vägleda experiment som testar hur mutationer eller riktade redigeringar påverkar genaktivitet. När metoden utvidgas till fler celltyper och olika genvarianter kan den bidra till att förklara hur icke-kodande förändringar i genomet bidrar till komplexa egenskaper och sjukdomar, och informera utformningen av mer precisa genetiska terapier.

Citering: Lin, J., Li, Z., Zhao, Y. et al. EPInformer: scalable and integrative prediction of gene expression from promoter-enhancer sequences with multimodal epigenomic profiles. Nat Commun 17, 3975 (2026). https://doi.org/10.1038/s41467-026-70535-8

Nyckelord: förutsägelse av genuttryck, enhancer-promotor-interaktioner, epigenomik, djupinlärning i genomik, kromatinarkitektur