EnDeep4mC使用双适应性特征编码框架在深层合奏中预测DNAN-甲基细胞因子位点
Shuyu Zhang1, Quan Zou1,2, Mengting Niu1,2
1Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China, Chengdu 610054, Sichuan, China.
Genome research
|February 17, 2026
概括
EnDeep4mC通过自适应的深度学习增强了DNAN-甲基 (4mC) 检测. 这种方法提高了预测的准确性,并揭示了进化中的特定物种的4mC序列模式.
科学领域:
- 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- DNA N4 - 甲基细胞素 (4mC) 是一个关键的表观遗传标记,调节DNA修复和复制.
- 4mC的实验检测是有限的,需要先进的计算方法.
- 现有的4mC机器学习预测器可以通过特征编码优化来改进.
研究的目的:
- 为准确的4mC检测开发一个先进的计算框架.
- 系统地优化机器学习模型的特征编码方案.
- 为了研究不同物种中4mC序列的进化模式.
主要方法:
- 提出EnDeep4mC,一个双适应性框架,集成物种特定建模和集体深度学习.
- 在深度学习架构中系统优化了功能编码方案.
- 在六种不同的物种中评估性能,包括跨物种验证.
主要成果:
- EnDeep4mC取得了值得称赞的预测性能,显著超过了最先进的预测器.
- 证明了模型从动物到微生物群体的强大可转移性.
- 发现了4mC序列的独特进化策略:原核生物中的稳定模式和真核生物中的动态组合.
结论:
- EnDeep4mC为4mC检测提供了一种卓越的计算方法.
- 这些发现为4mC调节中适应物种编码策略提供了实验证据.
- 突出了4mC序列在原生生物和真核生物进化中的功能差异化.


