斯坦福学者详解 ChIP-seq 结合深度学习的 motif 解析难题
anshulkundaje · x · 2026-11-19
斯坦福计算生物学家 Anshul Kundaje 在与 Nimwegen 实验室的讨论中,阐述了将深度学习用于 ChIP-seq 转录因子结合预测时的一个关键局限与应对。
- 空间分辨率限制:ChIP-seq 难以(甚至不可能)在单个 motif 位点粒度上解析结合,因此所有分析只能在区域(regional)层面进行。
- 正在检验的假设:motif 是否以超加性(在 log count 尺度上)的方式影响区域结合,正是需要显式检验的问题。
- 已有证据:大量证据表明非自身(non-self)motif 对多数转录因子的结合预测有实质性贡献,说明各 motif 间的结合并非彼此独立。
「研究」频道最新
- ENCODE 新预印本:神经网络模型可预测 GATA 基序间超加性相互作用 — anshulkundaje · 2026-11-19
- Murat 发布 TLAPS-Bench:用 TLA+ 形式化证明真实系统规格的正确性 — tianyin_xu · 2026-11-19
- Astra 数学证明不走寻常路:自创 capacity 概念绕开三大 Mathlib 深定理 — IgorCarron · 2026-11-19
- Mahina 4.0 LoRA 适配器声称可减少幻觉,公开征集压力测试 — External-Fee-8920 · 2026-11-19
- 顶级实验室的最大优势不是钱,而是帮你省下数年试错时间 — madeofAjala · 2026-11-19
- LEV 循环决策模型:2.6B 模型四轮推理准确率 63.2%→76.2% — jiqizhixin · 2026-11-19