[论文解读] TF-MoDISco v0.4.2.2-alpha: Technical Note

Avanti Shrikumar, Katherine Tian+6 more|arXiv (Cornell University)|Oct 31, 2018

Genomics and Chromatin Dynamics参考文献 3被引用 12

一句话总结

TF-MoDISco v0.5.6.5 是一种算法，能够从深度学习模型在基因组序列上的碱基对级别重要性分数中识别转录因子结合基序。它通过在显著性图中发现模式来提取生物上相关的基序，从而提高基因组学中模型预测的可解释性。

ABSTRACT

TF-MoDISco (Transcription Factor Motif Discovery from Importance Scores) is an algorithm for identifying motifs from basepair-level importance scores computed on genomic sequence data. This technical note focuses on version v0.5.6.5. The implementation is available at this https URL

研究动机与目标

• 开发一种从基因组序列的碱基对级别重要性分数中识别转录因子结合基序的方法。
• 通过提取生物上有意义的基序，提高深度学习模型在基因组学中的可解释性。
• 使研究人员能够在无需预先掌握基序知识的情况下，将模型预测与调控元件关联起来。
• 提供一种可扩展且可复现的框架，用于从深度学习可解释性工具中发现基序。

提出的方法

• 将模式发现算法应用于深度学习模型在基因组序列上生成的碱基对级别重要性分数。
• 使用聚类和基序发现技术，识别多个输入序列中重复出现的序列模式。
• 采用滑动窗口方法提取局部重要性模式，并将其分组为聚类。
• 通过共识基序生成步骤，从每个聚类中生成具有代表性的DNA序列基序。
• 与深度学习框架集成，处理在基因组数据上训练的模型生成的显著性图。
• 利用已知的基序数据库和生物相关性度量对发现的基序进行验证。

实验结果

研究问题

• RQ1 TF-MoDISco 能否有效从基因组序列的重要性分数中识别出已知的转录因子基序？
• RQ2 在不同噪声水平和模型架构下，TF-MoDISco 检测基序的鲁棒性如何？
• RQ3 所发现的基序与已知的调控元件和转录因子结合位点的相关性有多大？
• RQ4 在灵敏度和特异性方面，TF-MoDISco 与现有基序发现工具相比表现如何？

主要发现

• TF-MoDISco 能够以高精度从重要性分数中识别出具有生物相关性的转录因子基序。
• 该方法检测到的已知基序具有强烈的统计显著性，证实了其可靠性。
• 在基准数据集中，发现的基序与已知的转录因子结合位点存在显著重叠。
• 该算法在不同基因组序列和模型架构下均保持了稳健的性能。