跳到正文
原文
bioRxiv 预印本· Drusinsky, S., Pollard, K. S. ·· 14 小时前AI 评分20

LAMP框架揭示序列到功能模型在后训练中学习变异效应的机制

LAMP sheds light on how sequence to function models learn variant effects during post-training

AI 导读

研究人员提出LAMP框架,通过将扰动转录因子基序的人工SNV(aSNV)植入个人基因组数据集,发现用其微调Enformer后模型在留出基因和人群上仍持续表现不佳。该缺陷部分源于模型难以在后训练中强化增强子-基因连接,预训练先验过度压低远端调控元件权重,且同一TF基序不同位点的序列变异性也干扰学习。作者据此提出数据增强策略,并发布LAMP作为优化S2F后训练目标的工具。

来源:bioRxiv 预印本 · biorxiv.org