快速有效的近似在和突变发生的实验与第一阶段的泰勒扩张

科学领域:

• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 可解释性AI (XAI) 算法对于解释基因组序列到功能模型至关重要.
• 在度变异发生 (ISM) 是一种常见的XAI方法,用于识别核酸的重要性和cis调节动机.
• 传统的ISM是计算密集型的,限制了它对大数据集和模型的应用.

研究的目的:

• 开发一个计算效率高的ISM近似.
• 为了实现基因组序列中核酸重要性的可扩展分析.
• 促进发现驱动基因调节的 cis 调节元件.

主要方法:

• 使用第一阶泰勒近似来估计ISM值.
• 利用模型梯度进行高效的计算.
• 将计算成本降低到每次序的单个前向传递.

主要成果:

• 与传统的ISM相比,泰勒ISM (TISM) 近似方法显著降低了计算成本.
• 在各种模型和培训变体中,TISM提供了强大的重要性得分.
• 该方法保持了理解核酸对模型预测的贡献的可解释性.

结论:

• 在基因组学中,TISM为传统的ISM提供了一个计算上可行的和强大的替代方案,用于在基因组学中解释AI.
• 这种方法提高了识别功能性基因组元素和监管动机的可扩展性.
• TISM促进了对基因调节中的序列功能关系的更深入的理解.