相关实验视频
Updated: Mar 18, 2026
10:15
Capturing Chromosome Conformation Across Length Scales
Published on: January 20, 2023
4.2K
scCAPReSE:从单细胞Hi-C中检测出大规模的基因组重组,基于几次射击学习
Kyukwang Kim1, Chul-Hwan Lee2,3,4, Inkyung Jung5
1Department of Biological Sciences, Korea Advanced Institute of Science and Technology, Daejeon, Republic of Korea.
Genomics & informatics
|March 17, 2026
概括
一个新的框架,scCAPReSE,使用少数射击学习来分析单细胞Hi-C数据,准确识别结构变异并揭示癌症基因组异质性.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 癌症研究 癌症研究
背景情况:
- 癌症中大规模的基因组重组重新连接3D基因组架构,通过增强器劫持激活瘤基因.
- 深度学习可以从重新连接的3D组织中检测色素接触签名.
- 分析单细胞分辨率对于癌症克隆异质性至关重要,但受到有限的,非标准化的单细胞Hi-C数据的挑战.
研究的目的:
- 引入scCAPReSE,一个用于在单细胞Hi-C数据中进行强大的结构变异 (SV) 分类的几次学习框架.
- 为了实现有效的深度学习模型培训,使用有限的单细胞Hi-C数据集.
- 在单细胞分辨率下分析癌症特异的染色质结构和克隆异质性.
主要方法:
- 开发了scCAPReSE,这是一个使用CLIP图像基础模型表示的短暂学习框架.
- 从CLIP中提取和微调的基础权重,用于深度学习分类器.
- 将scCAPReSE应用于sci-Hi-C和scNanoHi-C数据集,用于SV模式分类.
主要成果:
- 在sci-Hi-C数据集上,scCAPReSE的分类准确度超过了90%.
- 在K562细胞中使用scNanoHi-C数据识别了费城染色体转位.
- 在SV介导的染色质相互作用中发现了显著的细胞间变异性,突出了癌症3D基因组异质性.
结论:
- scCAPReSE提供了一个广泛适用的和数据效率高的框架,用于在单细胞分辨率下检测SV驱动的3D基因组重组.
- 能够对癌症染色体结构和克隆异质性的定量剖析.
- 为了解复杂的癌症基因组提供了有价值的工具.
