跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月17日
  1. 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 –

0246811月17日20:0011月17日21:0011月17日22:0011月17日23:00

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。