.png){kind=icon}
返回
fourSynergy: ensemble-based interaction calling on 4C-seq data using gradient-free optimization
.png){kind=icon}
OA
AI
DOI：10.1186/s13040-026-00596-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
染色质组织在基因调控中发挥关键作用，并与癌症等严重疾病相关。由于染色质变化具有潜在可逆性，对染色质变化的深入理解有望用于开发新型疗法。循环染色体构象捕获测序（4C-seq）是一种测序技术，可用于识别基因与调控元件之间的染色质相互作用。本研究旨在开发一种集成算法，利用现有4C-seq工具之间的协同效应，从而提升4C-seq染色质相互作用的识别精度。我们采用加权投票方法整合现有4C-seq算法，并通过无梯度优化策略根据不同预测性能指标优化工具权重，证明组合多个4C-seq分析工具进行相互作用识别的潜力。结果表明，基于加权投票的集成方法在留一交叉验证中显著提高了染色质相互作用检测的预测性能，平均F1分数达到0.31，平均AUPRC达到0.34，相较于个体算法的0.13和0.16分别大幅提升。为使该方法易于使用，我们将其整合到fourSynergy框架中，该框架专注于近诱饵4C-seq相互作用分析，包含Snakemake流水线、R/Bioconductor软件包和交互式Shiny应用程序。本研究不仅提供了全面的4C-seq数据集集合，还证明集成方法可较单个4C-seq算法更优地提升染色质相互作用检测的预测性能。
Keyword:
Chromatin
Ensemble learning
Next-generation sequencing
Optimization
