基于深度时空网络和双重特征融合学习预测转录因子结合位点

摘要

准确定位转录因子与DNA的结合位点对深入理解细胞功能及基因调控过程具有重要作用。针对现有方法在DNA序列深层特征挖掘方面的局限性，提出一种结构简洁的深度学习模型。该模型设计了一种双重特征融合机制联合序列特征和混合时空特征预测转录因子结合位点，同时设计了一个轻量的三层二维的卷积神经网络（CNN）衔接在时间卷积网络（TCN）后，以学习更具表达力的混合时空特征，将该混合特征与TCN输出的序列特征融合实现结合位点预测。实验结果表明，文中的模型在165个ChIP-seq数据集上的各项评价指标均取得较好结果。

关键词

转录因子结合位点 / 时间卷积网络 / 序列特征 / 空间特征 / 特征融合

基金资助

国家自然科学基金项目（62162050）; 内蒙古自治区自然科学基金项目（2021BS03036）; 蓖麻产业技术创新内蒙古自治区工程研究中心开放课题（MDK2021004,MDK2023012）; 内蒙古自治区蓖麻产业协同创新中心开放课题（MDK2022016）; 内蒙古民族大学博士科研启动基金项目（BS672）