分子生物学の知識がブラッシュアップできる最新動画を紹介します。

これは1月24日にライブ配信された動画です。以下は配信時のサイトでの講演の要約です。
https://www.erga-biodiversity.eu/post/seminar-modeling-and-design-of-cell-type-specific-enhancers-using-single-cell-multi-omics-and-deep

生物の個体をつくりあげている細胞はどのようにして一個一個の性質や特性を決定し、維持しているのでしょうか。近年の細胞アトラスの作成、神経回路網の完全決定、単一細胞レベルのRNAシークの隆盛、そして遺伝子制御メカニズムを構成しているエンハンサーや転写因子の研究の進展はめざましいものがあります。またAIを使ってこれらの遺伝子制御ネットワークを解析し、遺伝子を制御するこころみも始まっています。この講演はこうした最近の目覚ましい発展をショウジョウバエとマウスの肝臓細胞の単一細胞レベルのRNAシークの結果をもとに解説してくれています。エンハンサーの遺伝子制御ネットワーク(GRN)を構築して比較するなど面白そうな研究成果の解説もあｔって、転写制御メカニズムや細胞アトラス、RNAシークの最新情報などが学べるので、分子生物学の知識のブラッシュアップには最適の動画だと思います。私も見て知識をブラッシュアップしようと思います。以下は上のサイトからのコピペです。

Single-cell transcriptomics and single-cell epigenomics allow building cell atlases of any tissue and species, providing new opportunities to predict gene regulatory networks that control the identity of cell types and cell states. I will present new computational strategies that take advantage of the joint analysis of scRNA-seq and scATAC-seq data, and that derive “enhancer-GRNs” (eGRN) with key transcription factors, genomic enhancers, and predicted target genes per cell type. In parallel, we use deep learning on the scATAC-seq topics to prioritize enhancers and decipher their regulatory grammar. I will discuss the results of several case studies where we applied these computational strategies, including the Drosophila brain and the mouse liver, and I will illustrate how evolutionary comparisons contribute to learning the gene regulatory code in the vertebrate brain. Finally, I will discuss how enhancer models based on deep learning can be exploited to design synthetic enhancers for Drosophila and human cell types.