.png){kind=icon}
返回
GraphLooper: predicting chromatin loops based on hierarchical multi-view graph pooling method
.png){kind=icon}
PRE
AI
DOI：10.1093/bib/bbag217.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
染色质环作为三维基因组组织的基本功能单元，在调控基因表达和维持基因组空间组织方面发挥着关键作用。对这些精细尺度结构的准确识别对于推进对细胞生物学过程及疾病机制的理解至关重要。然而，由于染色质相互作用固有的复杂性和动态性，现有方法往往难以充分表征和捕捉多维特征。为解决这些局限性，我们介绍了GraphLooper，一种采用分层多视图图池化来增强大规模数据训练和推理的新型框架。GraphLooper将Hi-C数据转换为图结构表示，整合多维表观基因组特征以构建稳健的染色质相互作用模型。通过采用分层多视图图池化机制，它能有效聚合多尺度特征，增强表示学习。在多种细胞系上的评估表明，GraphLooper在预测精度和泛化能力上优于当前先进方法，特别是在捕捉对精确空间基因调控至关重要的长程染色质相互作用方面表现突出。
Keyword:
chromatin loops
multi-view graph pooling
epigenomic data
graph neural networks
期刊
IF:
7.7
论文数:
5.6K
被引数:
2.7W
机构
引用论文
scHiClassifier: a deep learning framework for cell type prediction by fusing multiple feature sets from single-cell Hi-C datascHiClassifier: 一种通过融合单细胞Hi-C数据中的多个特征集进行细胞类型预测的深度学习框架
OAAI
OAAI分享收藏Mapping networks of physical interactions between genomic elements using 5C technology.png)
NATURE PROTOCOLS
NATURE PROTOCOLSIF16
PREAI
分享收藏分享收藏Connecting high-resolution 3D chromatin organization with epigenomicsNATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏spatzie: an R package for identifying significant transcription factor motif co-enrichment from enhancer-promoter interactionsNUCLEIC ACIDS RESEARCHOAAI
NUCLEIC ACIDS RESEARCHIF13.1
OAAI分享收藏分享收藏Statistical confidence estimation for Hi-C data reveals regulatory chromatin contactsGENOME RESEARCHOAAI
GENOME RESEARCHIF5.5
OAAI分享收藏
查看更多内容