Translatomer翻译预测模型

细胞分型翻译预测

一种多模态Transformer框架，结合mRNA表达与基因序列预测细胞类型特异的翻译，优于仅基于表达的方法，并为未解析的疾病变异提供机制见解。

Jialin, He · Xiong, Lei · Shaohui, Shi · Chengyu, Li · Kexuan, Chen · Qianchen, Fang · Jiuhong, Nan · Ke, Ding · Mao, Yuanhui · Boix, Carles A. · Xinyang, Hu · Kellis, Manolis · Jingyun, Li · 熊旭深

Nature Machine Intelligence 2024

参数信息

从头预测准确度范围

0.72–0.80

识别的疾病相关变异数量

3,041

训练组织数量

33

技术优势

补上序列信息

纳入基因序列后，Translatomer对核糖体足迹的预测优于仅使用mRNA表达的方法，说明模型捕获了序列依赖的翻译调控信息。

能预测新细胞类型

Translatomer在未见过的细胞类型上从头预测核糖体足迹的准确度为0.72至0.80，展现了跨细胞类型的泛化能力。

找出致病新机理

模型识别出3,041个与复杂疾病相关的非编码和同义变异，它们通过细胞类型特异的翻译调控起作用，且独立于eQTL。

应用场景

• 基因表达调控研究：用序列特征预测翻译效率，解析调控元件。
• 疾病变异解读：评估变异对翻译的影响，解读致病机制。
• 翻译组学分析：从mRNA表达预测核糖体足迹，替代湿实验。