딥러닝 기반 DNA 메틸화 예측 모델 멜로디 개발

주장디엔에이(DNA) 메틸화는 유전자 발현 조절과 세포 분화에 중요한 후성유전학적 변형입니다.

주장유전체 서열이 특정 위치의 메틸화를 결정하는 기전은 그동안 명확히 밝혀지지 않았습니다.

팩트연구진은 1만 염기쌍 길이의 유전체 서열을 분석해 디엔에이 메틸화를 예측하는 딥러닝 프레임워크인 멜로디를 개발했습니다.

팩트멜로디는 국소적 서열 정보와 원거리 서열 신호를 동시에 분석합니다.

팩트이 모델은 39개 인간 조직 데이터를 대상으로 성능을 검증받았습니다.

팩트멜로디는 전체 염색체 수준과 저메틸화 영역, 세포 유형별 벤치마크에서 기존 예측 방법론보다 우수한 성능을 보입니다.

주장이번 연구는 메틸화 상태 예측을 넘어 메틸화 양적 형질 유전자좌 효과를 예측합니다.

주장이 모델은 메틸화 변이와 연관된 조절 서열 모티프를 식별하여 유전체 조절 논리를 규명합니다.

팩트연구진은 멜로디-지라는 확장 모델을 개발해 예측 범위를 넓혔습니다.

팩트멜로디-지는 단일 세포 리보핵산 시퀀싱 기초 모델 임베딩을 결합하여 프로파일링되지 않은 세포 유형의 메틸화 상태를 추론합니다.

교차검증멜로디 모델은 유전체 서열 정보에 의존하므로 환경적 요인이나 후천적 변수에 의한 메틸화 변화를 예측하는 데 한계가 존재합니다.

팩트이번 연구는 산둥대학교 소프트웨어 대학의 진준루와 왕딩, 차오지안보 등이 공동으로 참여했습니다.

팩트연구 총괄은 우슈와 수란, 웨이레이 교수가 맡았으며 중국 학술 기관들이 협력했습니다.

팩트연구 자금은 중국 국가자연과학기금위원회가 지원했습니다.

팩트해당 연구 결과는 2026년 8월 17일 네이처 커뮤니케이션즈를 통해 발표됐습니다.

주장멜로디 프레임워크는 유전체 서열과 세포 상태를 디엔에이 메틸화와 연결합니다.

주장이 플랫폼은 인간 메틸롬을 지배하는 조절 논리를 파악하는 통찰력을 제시합니다.

출처네이처 커뮤니케이션즈에 게재된 논문(Jin, J., Wang, D., Qiao, J. et al. Nat Commun 2026)의 내용을 교차 검증했습니다.