基因调控网络相关 AI 资讯 · AI 热点

7月20日

09:45

09:45

官方账号arXiv cs.LG@Claudia Skok Gibbs

基因调控网络（GRN）从全基因组数据重建面临模型选择启发式、评估参考不完整、先验知识跨物种迁移难等挑战。PMF-GRN将GRN推理转化为概率图模型，通过变分推理实现原理性模型选择和不确定性感知的边估计。GLM-Prior微调预训练Nucleotide Transformer，直接从核苷酸序列预测转录因子-靶基因相互作用，并在酵母、小鼠和人类数据上验证泛化能力。两者结合形成双阶段视角：序列先验提供可迁移初始骨架，概率推理以量化不确定性精调调控估计。

论文 PMF-GRN GLM-Prior Nucleotide Transformer

推荐理由：想搞基因调控网络但被跨物种问题卡住？这论文用序列预测加概率精修，直接解决迁移和不确定性问题，值得做计算生物学的看看。

6月9日

11:06

11:06

官方账号arXiv cs.LG@Mikele Milia, Louis Fabrice Tshimanga, Henning Mueller, Manfredo Atzori, Barbara Di Camillo

精选

研究人员提出scTransformer，这是首个将已知基因调控关系作为先验知识融入Transformer注意力机制的方法。通过约束信息流遵循已知调控结构，模型学习到的细胞表示更具生物学意义。在疾病相关的单核RNA-seq数据集上，scTransformer在细胞类型分类任务中提升了准确率，增强了嵌入空间中细胞类型的分离度，并产生了与已知调控程序一致的注意力模式。该方法在不牺牲性能的前提下增强了模型可解释性，为构建生物学基础的单细胞组学基础模型迈出了原则性的一步。

论文 scTransformer 单细胞转录组基因调控网络

推荐理由：做单细胞转录组分析的团队终于有了一个能同时提升性能和可解释性的Transformer方案——scTransformer把基因调控先验直接嵌入注意力机制，比黑盒模型更可信，建议做生物信息学基础模型的研究者点开看看。