关于这个研究课题
生物学一个中心目标是了解有限数量的转录因子(TFs)驱动器动态基因表达变化在不同的细胞类型和环境条件。TFs识别特定基因元素不尽)实现精确的时空控制的目标基因的表达。近年来,我们的预测能力,识别,并验证监管区域大大加快,支撑生物科技的进步(基因组序列,染色质分析)和信息技术(机器学习)。有前景的结果已经把基因变异与基因表达和植物表型。功能描述不尽可以提供重要的见解基因调控机制,使更好的因果基因变异的识别和解释的影响,最后,使智能设计未来的作物。
一个挑战涉及植物基因的识别元素有限高质量的基因组序列的可用性,特别是在repeat-rich基因间区域。这也是一个巨大的空白建筑功能性植物研究基础设施:更多的公共项目,如热切呼吁人类编码和路线图。最后,有有限的尝试应用新技术(包括计算和实验)加速功能不尽的搜索和表征植物。
在本研究课题中,我们欢迎所有发表的文章类型植物科学前沿,关注预测、识别、和表征植物不尽特别是那些关注:雷竞技rebat
•系统通过实验的方法来识别功能不尽如ChIP-seq DAP-seq, CUT&Tag, DNase-seq, ATAC-seq, MOA-seq等等。
•机器学习采矿、建模和预测植物利用组学数据不尽;
•解剖的顺式和反式-监管模式使用allele-specific分析混合动力车,或通过eQTL识别功能基因变异,eQTL, mQTL或使用多样性pQTL分析板;
•使用诱变基因变异的功能特性,如pbm的高通量技术,并行CRISPR MPRA STARR-seq。
一个挑战涉及植物基因的识别元素有限高质量的基因组序列的可用性,特别是在repeat-rich基因间区域。这也是一个巨大的空白建筑功能性植物研究基础设施:更多的公共项目,如热切呼吁人类编码和路线图。最后,有有限的尝试应用新技术(包括计算和实验)加速功能不尽的搜索和表征植物。
在本研究课题中,我们欢迎所有发表的文章类型植物科学前沿,关注预测、识别、和表征植物不尽特别是那些关注:雷竞技rebat
•系统通过实验的方法来识别功能不尽如ChIP-seq DAP-seq, CUT&Tag, DNase-seq, ATAC-seq, MOA-seq等等。
•机器学习采矿、建模和预测植物利用组学数据不尽;
•解剖的顺式和反式-监管模式使用allele-specific分析混合动力车,或通过eQTL识别功能基因变异,eQTL, mQTL或使用多样性pQTL分析板;
•使用诱变基因变异的功能特性,如pbm的高通量技术,并行CRISPR MPRA STARR-seq。
关键字:顺式元素,开放的染色质,eQTL STARR-seq,数据挖掘,机器学习
重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。
