By hybrid neural networks for prediction and interpretation of transcription factor binding sites based on multi-omics

可解释性 计算机科学 DNA结合位点 表观遗传学 组蛋白 人工智能 计算生物学 转录因子 可视化 人工神经网络 机器学习 深度学习 数据挖掘 生物 基因 遗传学 发起人 DNA甲基化 基因表达
作者
Yongqing Zhang,Zixuan Wang,Yuhang Liu,Libo Lu,Xiaoyao Tan,Quan Zou
标识
DOI:10.1109/bibm52615.2021.9669387
摘要

Transcription factors (TFs) binding sites prediction and analysis are vital for comprehending cis-regulatory mechanisms. Recently, several deep learning-based methods have shown outstanding performance on TFs binding sites (TFBSs) recognition by leveraging solely base-pair arrangement of regulatory sequences. Except for the aforementioned genomic features, the epigenomics signature represented by the histone modification is also a critical factor related to TFs-DNA binding. We present a multi-omics based hybrid neural network, dubbed as BHSite, for TFBSs prediction by adaptively integrating base-pair arrangements and histone modification signatures. Experiments over 196 ChIP-seq datasets demonstrate that BHSite significantly outperforms several state-of-the-art methods in TFBSs prediction. Besides, studies of the relative importance of histone modification signatures prove that diverse signatures complement each other. Furthermore, visualization analysis of Squeeze-and-Excitation Network reveals the contribution of multi-omics latent features concerning different cell types to TFBS prediction. Thus, BHSite improves both performance and interpretability by combining the multi-omic features into deep learning architecture.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
好了没了完成签到,获得积分10
刚刚
刚刚
小欧文完成签到,获得积分10
1秒前
充电宝应助无共鸣采纳,获得10
1秒前
BonnieO发布了新的文献求助30
2秒前
3秒前
4秒前
啊汪~发布了新的文献求助10
4秒前
5秒前
z_king_d_23完成签到,获得积分10
5秒前
勾勾1991完成签到,获得积分10
5秒前
苻醉蓝完成签到,获得积分10
6秒前
王珺完成签到,获得积分10
6秒前
港岛妹妹应助月月采纳,获得10
6秒前
hh0发布了新的文献求助10
8秒前
盼盼发布了新的文献求助10
8秒前
所所应助漂亮幻莲采纳,获得10
8秒前
怡然雨雪完成签到,获得积分10
8秒前
贺兰鸵鸟发布了新的文献求助20
9秒前
9秒前
yhx完成签到,获得积分10
10秒前
10秒前
hwasaa发布了新的文献求助10
10秒前
江你一军完成签到,获得积分10
12秒前
12秒前
Tepid完成签到 ,获得积分10
12秒前
李斌奇完成签到,获得积分10
13秒前
深情的若翠完成签到,获得积分10
13秒前
13秒前
怡然的尔曼完成签到,获得积分10
14秒前
细腻的沂发布了新的文献求助10
14秒前
在水一方应助孙伟健采纳,获得10
15秒前
善学以致用应助hwasaa采纳,获得10
15秒前
hh0发布了新的文献求助10
16秒前
16秒前
爱学习完成签到,获得积分10
17秒前
彭于彦祖应助zcz采纳,获得30
17秒前
咩咩完成签到,获得积分10
18秒前
犹豫的夏旋完成签到 ,获得积分10
18秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3245545
求助须知:如何正确求助?哪些是违规求助? 2889187
关于积分的说明 8257144
捐赠科研通 2557542
什么是DOI,文献DOI怎么找? 1386164
科研通“疑难数据库(出版商)”最低求助积分说明 650285
邀请新用户注册赠送积分活动 626568