UMass 团队开源 BATv1：4.6 万参数小模型图谱覆盖 3429 组 TF 结合实验
UMass Chan 医学院可编程基因组学实验室（@jmschreiber91）发布 Cherimoya Binding Atlas（BATv1）：一套基因组序列到功能（S2F）模型集合，包含 17,145 个 Cherimoya 模型，覆盖 ENCODE 项目 3,429 个转录因子结合 ChIP-seq 实验，涉及 183 种生物样本和 1,139 个 targets。模型已开源。@finchshenq 称其为当周压轴发布。
已确认
- BATv1 共 17,145 个模型，数据来自 ENCODE，覆盖 3,429 组 TF 结合 ChIP-seq 实验、183 种生物样本、1,139 个 targets。
- 模型体积极小：单个 BATv1 模型约 4.6 万参数，对比 CATv1 可及性模型约 61.4 万参数、BPNet 约 11.4 万参数；作者报告初步对比中 BATv1 通常比 BPNet 更精确。
- 针对 Enformer 常混淆转录因子 motif 与开放染色质 GC 偏置的质疑，作者回应称 BATv1 与 BPNet 系列使用完全相同的训练数据和 loci（仅采样比例略有差异）。斯坦福学者 Anshul Kundaje 也补充指出，BPNet 和 Cherimoya 这类多任务模型在校正开放染色质特征混淆方面效果突出，关键在于训练方式显式校正输入 DNA 序列效应以及基因组采样方式。
- 作者承认覆盖面的重要局限：超过 85% 的底层实验数据来自细胞系而非原代组织或细胞。
- 应用场景：作者演示了 TF 结合模型在变异解读中比可及性模型更直接——可及性模型只能显示变异扰动染色质可及性、需经 seqlet 匹配推断涉及的 TF，而 TF 模型可直接识别受影响的结合位点；还展示了模型「分歧」案例（某变异在可及性模型上几乎无影响，但 CEBPG TF 模型推断结合位点被显著破坏，delta -1.8）。
- 作者还计划将该系列模型用于调控 DNA 设计：设计由特定 TF 驱动或排除特定 TF 的元件，并用模型目录为新设计序列（甚至全新设计染色体）做低成本质检；并提到可能出现一种新文件格式用于高效存储大量模型的归因结果。作者认为直接用 TF 模型往往比「seqlet 调用 + 数据库注释」更可靠，因为 motif 匹配回数据库常出现怪异结果。
为什么重要
- 参数量小一个数量级却精度更高，挑战了基因组 S2F 模型「越大越好」的直觉，也便于大规模部署与批量使用。
- 覆盖 3,429 组实验的系统化图谱为转录因子结合预测提供了统一资源，并可与其他模态模型（CATv1、ChromBPNet+BPNet、AlphaGenome Atlas 等）组合，对同一序列做多模态读出，服务于变异解读和合成调控元件设计。
2026-10-31 ~ 2026-10-31 · 14 条相关
一手来源
- UMass 团队发布 BATv1：3429 个转录因子结合 ChIP-seq 模型图谱 — jmschreiber91 ·
- Cherimoya Binding Atlas 发布：46k 参数小模型覆盖 3429 组转录因子结合数据 — jmschreiber91 ·
- BATv1 基因组模型开源答疑：与 BPNet 用同源数据训练、规避 GC 偏置 — jmschreiber91 ·
- 【源头】UMass 团队发布 BATv1：3429 个转录因子结合 ChIP-seq 模型图谱 — jmschreiber91 · 2026-10-31
- 【源头】Cherimoya Binding Atlas 发布：46k 参数小模型覆盖 3429 组转录因子结合数据 — jmschreiber91 · 2026-10-31
- 仅 4.6 万参数的 BATv1 模型精度超越 11 万参数的 BPNet — jmschreiber91 · 2026-10-31
- BATv1 基因调控模型遭质疑：超 85% 训练数据来自细胞系 — jmschreiber91 · 2026-10-31
- 研究者用基因调控 DNA 模型设计可控启动子元件 — jmschreiber91 · 2026-10-31
- 用转录因子结合模型给设计的 DNA 元件做低成本 QC — jmschreiber91 · 2026-10-31
- BPNet 与 Cherimoya 擅长校正开放染色质混淆，基因模型对比有实例 — anshulkundaje · 2026-10-31
- Cherimoya 基因组模型绑定图谱可低成本 QC 设计序列 — jmschreiber91 · 2026-10-31
- TF 结合模型配合 CATv1 染色质模型，直接解读变异对结合位点的影响 — jmschreiber91 · 2026-10-31
- 当模型「意见不合」：可及性无信号但 TF 模型显示结合位点被破坏 — jmschreiber91 · 2026-10-31
- 【源头】BATv1 基因组模型开源答疑：与 BPNet 用同源数据训练、规避 GC 偏置 — jmschreiber91 · 2026-10-31
- 基因组序列模型实测：TF 模型比 motif 数据库注释更可靠 — jmschreiber91 · 2026-10-31
另有 2 条近重复转述:finch_shenq · anshulkundaje