.png){kind=icon}
返回
DconnLoop: a deep learning model for predicting chromatin loops based on multi-source data integration
.png){kind=icon}
OA
AI
DOI：10.1186/s12859-025-06092-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
背景
染色质环对于基因组的三维组织和基因调控至关重要。准确识别染色质环对于理解疾病中的调控机制至关重要。然而，当前主流检测方法主要依赖单一来源数据，如Hi-C，这限制了这些方法捕捉染色质环结构多样特征的能力。相比之下，多源数据整合和深度学习的方法，尽管尚未广泛应用，但具有显著潜力。
结果
在本研究中，我们开发了一种名为DconnLoop的方法，用于整合Hi-C、ChIP-seq和ATAC-seq数据以预测染色质环。该方法通过整合残差机制、方向连通性激励模块和交互特征空间解码器，实现多源数据的特征提取与融合。最后，我们将密度估计和密度聚类应用于全基因组预测结果，以识别更具代表性的环。代码可从https://github.com/kuikui-C/DconnLoop获取。
结论
结果表明，DconnLoop在精确度和召回率方面均优于现有方法。在各种实验中，包括聚合峰分析和峰富集比较，DconnLoop均表现出优势。广泛的消融研究和不同测序深度的验证进一步证实了DconnLoop的鲁棒性和泛化能力。
Keyword:
Chromatin loops
Multi-source data
Deep learning
Feature integration
Clustering
期刊
IF:
3.3
论文数:
664
被引数:
5.2W
机构
暂无机构信息
引用论文
分享收藏Comparative study on chromatin loop callers using Hi-C data reveals their effectiveness基于Hi-C数据的组蛋白环识别工具比较研究揭示了其有效性OAAI
OAAI分享收藏分享收藏Hi-TrAC reveals division of labor of transcription factors in organizing chromatin loops.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
查看更多内容