11、基因调控网络贝叶斯网络建模中表观遗传数据的整合

基因调控网络贝叶斯网络建模中表观遗传数据的整合

1. 引言

基因调控网络（GRN）的重建是系统生物学中的重要问题。目前该领域仍存在诸多待解决的问题，部分原因在于可用数据有限，以及生物过程本身存在噪声和复杂性。不过，随着数据收集技术（如下一代测序）的进步，新的生物数据不断涌现，为GRN重建带来了新的机遇。

其中，表观遗传数据近来备受关注。表观遗传学研究的是由非DNA序列变化（区别于分子生物学中心法则机制）引起的表型变化（特别是基因表达变化）。这些数据来源于多种表观遗传过程，如组蛋白修饰、DNA甲基化、微小RNA干扰等。人们认为，基因表达的表观遗传控制是超越DNA序列基因的重要调控层面，类似于基因翻译的遗传密码，推测存在一种“表观遗传密码”来控制基因表达。解码“表观遗传密码”、深入理解基因表达的表观遗传调控机制，将为系统生物学和转化医学带来新的突破。

然而，基因表达的表观遗传调控机制仍未完全明晰。为了阐明转录的遗传和表观遗传调控之间的相互作用，需要将表观遗传信息纳入基因调控网络。通过考虑表观遗传信息，有望提高GRN重建的准确性，并揭示遗传和表观遗传调控之间的相互作用。

目前，已有一些尝试推断表观遗传特征（特别是组蛋白修饰）与基因表达之间的因果关系，并阐明“表观遗传密码”。例如，Yu等人构建了贝叶斯网络来模拟组蛋白修饰之间的组合关系及其对基因表达的影响；Cheng等人给出了一个机器学习框架，用于根据染色质特征预测基因表达。不过，这些研究主要关注表观遗传特征对基因表达的“全局”影响，而研究对单个基因的影响则更具意义。此外，Ha等人通过对植物基因的本体分析表明，同一功能类别的基因往往具有相似的组蛋白修饰分布模式，不同类别则具有不同的表观遗传模式，这意味着参与相同调控途径