Deep6mA探索不同物种DNA N6甲基化嘌呤位点相似模式的深度学习框架

Posted on Edited on Views: Symbols count in article: 1.7k Reading time ≈ 2 mins.

参考文章：Elucidation of DNA methylation on N6-adenine with deep learning，实践文章中从不同物种中迁移学习，预测6mA位点。

背景介绍

对真核生物在N6DNA甲基化的研究在最近得到了很大的关注。最近的研究已经产出了大量的6mA基因组数据，但是真核生物中DNA 6mA仍然有待探索。我们提出了在真核生物中6mA DNA是稀少的，这客观上限制了现有的生物学技术对6mA位点的检测，同时，6mA复杂的调节机制也对DNA 6mA的研究造成巨大挑战。为了探索现存的6mA基因组数据以及应对这一挑战，，这里我们提出了一种基于深度学习的算法用于在单碱基（single nucleotide resolution）中预测DNA 6mA位点。并且，我们还将算法应用于三个具有代表性的模型物种中：Arabidopsis thaliana（拟南芥），Drosophila（黑腹果蝇）和Escherichia coli（大肠杆菌）。大量的实验证明我们算法的性能优于传统基于k-mer的方法。进一步的，我们的基于显著图的上下文分析显示，围绕6mA位点的感兴趣的cis-调节位点模式在传统分析中被遗漏了。我们希望我们的分析工具可以帮助我们解释6mA的调节机制，深度探索其中的功能效应。最终，我们提供了一个基于硅的全基因组预测的具有潜力的6mA位点完整的条目。

神经网络结构

如下图所示，神经网络输入经由one-hot变换的的矩阵；后经过五层卷积层，每个卷积层有80个滤波器；全连接层具有100个单元，最后利用sigmoid函数激活分类层。

文章结果

下图展示在三个具有代表性的物种中十次独立实验的ROC曲线和平均AUC值

对比DeepM6A，MLP，k-mer-based logist regeresion(LR)在不同序列长度上的性能

数据下载

1.测试数据从GitHub - tanfei2007/DeepM6A下载

2.软件包从Links for DEM6A下载DEM6A -0.3

请注意，DEM6A -0.3中，sklean包已改名，将导致无法安装，解决方法见配置流程

软件安装

安装环境：Anaconda3下conda-V4.12.0 虚拟环境

Python版本：3.6.13

配置流程

step1:创建并激活虚拟环境

1
2
conda create -n DEM6A python=3.6
conda activate DEM6A

step2：修改软件包

方案1（推荐）：手动解压后，修改setup.py中install_requires中软件包名（如图红色圈出 ）

方案2（不推荐）：手动安装解压后文件夹中的DEM6A.egg-info/requires.txt中的所有包，后在python或jupyter中使用sys引入。

step3:安装所需包环境

1
 pip install Downloads/DEM6A-0.3 -i  https://mirrors.aliyun.com/pypi/simple/

step4:确认安装完成

数据准备

如下图划分序列，得到训练集，测试集和验证集数据：（8:1:1划分）

这里,需要使用提供的测试数据，以大肠杆菌（E.coli）为例，首先利用下图脚本，从提供的m6A_ecoli.bed以及GCF_000005845.2_ASM584v2_genomic.fna获取m6A_ecoli_pos.csv，m6A_ecoli_neg.csv文件。

后利用下图脚本，输入GCF_000005845.2_ASM584v2_genomic.fna和m6A_ecoli_neg.csv，得到训练使用的train/test/valid.hdf5文件

注意1这里R脚本内容存在一定的问题（至少0_process_bed.R有问题），所以后续使用了github仓库提供的m6A_ecoli_pos.csv，m6A_ecoli_neg.csv文件。

注意2python脚本fa_csv_to_h5.py需要根据文件名自行更改部分代码。DNA_IO.py文件第28行需要将变量seq_trim强制转换为int型（int(seq_trim)）。

模型训练

训练数据

预测