热点事件持续更新
LAMP框架揭示序列-功能模型学习变异效应的局限
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年11月17日,bioRxiv发布预印本,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,检验序列到功能(S2F)模型在后训练中学习变异效应的能力。研究发现,用该数据微调Enformer后,模型在留出基因和人群上仍持续表现不佳。作者指出,这一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。
AI 根据报道生成 · 4 小时前更新
最新进展11月17日 08:00
bioRxiv预印本提出LAMP框架,发现Enformer后训练学习变异效应仍存局限。报道时间线
沿着报道,了解事件的不同侧面。
11月17日
- bioRxiv 预印本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
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。
本事件热度走势
当前热度 7·可比范围峰值 7(11月17日 20:00)·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。