SHICEDO:单细胞Hi-C数据增强,减少过度平滑
Jingong Huang1, Rui Ma2, Michael Strobel1
1Department of Computer Science and Engineering, University of California Riverside, CA 92521, United States.
Bioinformatics (Oxford, England)
|October 23, 2025
概括
SHICEDO使用深度学习模型增强稀疏的单细胞Hi-C数据. 这改进了3D基因组结构分析,通过准确地赋予缺失的联系和细化功能,如隔间和循环.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 分子生物学分子生物学
背景情况:
- 单细胞Hi-C (scHi-C) 对于理解3D基因组组织至关重要.
- scHi-C数据受到稀疏性和噪声的影响,这给计算带来了挑战.
研究的目的:
- 介绍SHICEDO,一个深度学习模型来增强scHi-C接触矩阵.
- 改进scHi-C数据中缺少的染色质接触者的归算.
主要方法:
- 使用生成对抗框架来增强数据.
- 结合定制功能和道明智的注意力来解决scHi-C数据特征.
- 利用scHi-C矩阵的独特结构特性.
主要成果:
- 在模拟和真实数据应用中,SHICEDO的性能优于现有的最先进的方法.
- 在scHi-C数据增强方面取得卓越的定量和质量结果.
- 能够更精确地划分A/B区,TAD类域和染色质环.
结论:
- SHICEDO有效地提高了scHi-C数据质量和分辨率.
- 能够更准确地分析3D基因组结构.
- 为研究界提供公开的工具.


