合子基因组激活关键因子识别及表观调控建模

The molecular mechanism of zygotic genome activation (ZGA) process is one of the core issue of early embryonic development, and has been widely studied. Identification of ZGA key factors is also an important basis for stem cell induction technology. Thus, the development of a set of identification methods suitable for multi-species ZGA key factors is a fundamental and critical issue in ZGA research. The transcription system in the ZGA is the result of a comprehensive effect of multiple epigenetic factors, and systematic modeling can reveal the key factors and regulatory factors in ZGA..In this project, we will perform systematic bioinformatics analysis to integrate multiple omics data such as genome, transcriptome, epigenome and structural genome, and finally construct a method for identifying ZGA key factors. This method can improve the shortcomings of existing research methods. New key factors of ZGA will be detected and verified, providing new scientific basis for pluripotent or even pluripotent stem cell induction technology, and further provide technical approach for cross-species research of ZGA. Moreover, it can help to further explore the main factors and their main interactions of transcriptional regulation, and to explore the "programming language" of early embryo.

合子基因组激活(ZGA)过程的分子机制作为早期胚胎发育的核心问题之一，一直受到广泛关注，ZGA关键因子的辨识也是干细胞诱导技术的重要科学基础，发展一套适用于多物种的ZGA关键因子的识别方法，是ZGA研究的基础性、关键性问题。ZGA时期的转录系统是多个表观因素综合作用的结果，必须进行系统性建模才能揭示影响ZGA的关键因子及调控因素。.本项目采用生物信息学分析方法，整合基因组、转录组、表观组、结构基因组等多组学数据，通过整合分析策略结合细胞实验，构建一套基于多组学融合的ZGA关键因子识别方法。该方法可以弥补现有研究方法的不足，预期发现并验证新的ZGA关键作用因子，可以为多能性甚至全能干细胞诱导技术提供新的科学依据，同时为ZGA跨物种研究提供技术途径。进一步能够帮助深入探究早期胚胎转录调控系统主因及其主要相互作用，挖掘早期胚胎的“编程语言”。

合子基因组激活(ZGA)过程的分子机制作为早期胚胎发育的核心问题之一，一直受到广泛关注，ZGA关键因子的辨识也是干细胞诱导技术的重要科学基础，发展一套适用于多物种的ZGA关键因子的识别方法，是ZGA研究的基础性、关键性问题。ZGA时期的转录系统是多个表观因素综合作用的结果，多组学信息的系统性建模是揭示影响ZGA的关键因子及调控因素的重要途径。本项目旨在建立一套适用于多物种的ZGA关键调控因子识别方法，识别并验证新的小鼠ZGA关键基因，构建小鼠ZGA时期基因表达系统的表观遗传调控模型。申请人依照研究计划，积极开展研究工作，完成了以下几方面研究内容：1）建立了用于识别ZGA关键基因和调控元件的预测方法ZGA-timer，并在人和小鼠上进行性能测试，在小鼠中识别得到新的ZGA基因uqcc3，并采用siRNA实验验证。2）开发了早期胚胎多组学数据分析平台dbEmbryo (https://sysomics.com/dbEmbryo/)，dbEmbryo收录了近年来早期胚胎的多组学数据，包括RNA-seq、ATAC-seq、Hi-C等，提供了文献检索和数据下载功能，该平台特色之一在于能够分析多种调控元件对于早期胚胎基因表达的协同调控关系，相关工作发表在Genome Research期刊。3）申请者在原有申请书基础上进行了扩展和延伸，尤其是在深度学习算法开发和应用方面，开发了基于图变分自编码器的转录因子调控网络预测算法DeepTFni (https://github.com/sunyolo/DeepTFni)，取得了良好的研究成果，相关工作发表在Nature Machine Intelligence期刊。本项目的系列研究成果为早期胚胎发育研究提供了新的理论内容和平台支撑。