生物信息学
研究动机：转录因子识别的 DNA 基序通常表示为位置权重矩阵（position weight matrices, PWMs），其假设单个核苷酸对蛋白质结合特异性的贡献彼此独立。过去几十年中，人们提出了许多考虑位点贡献相关性的替代模型。然而，其性能提升通常并未超过 PWM 在简洁性、可解释性以及基于成熟代码库的实际适用性方面所具有的优势。现有软件工具和基序数据库常常会针对同一转录因子，甚至同一数据集，提供多个彼此不完全相同的 PWM。
一个仍具有实际意义的问题是，是否能够将这些 PWM 有效整合为一个改进的单一模型。
结果：本文介绍了 ArChIPelago（https://github.com/autosome-ru/ArChIPelago），这是一个计算框架，利用经典机器学习技术（从线性回归到决策树集成）将多个 PWM 组合为联合模型。我们表明，这种组合能够提高对基因组序列中转录因子结合位点的预测性能。
基于一个多样化的数据集合——涵盖 704 个 ChIP-Seq 数据集，涉及 36 个人类和小鼠直系同源转录因子，且覆盖多种不同的结构家族——我们证明 ArChIPelago 的表现持续优于目前可获得的最佳单核苷酸和二核苷酸 PWM，以及稀疏局部非均匀混合模型。此外，结合人类和小鼠数据，我们证明了 PWM 集成模型能够进行可靠的跨物种预测。
注意：要求提供您的电子邮箱地址，仅用于将您标识为本文的发送者。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.05.12.724515v1?rss=1
🏷️ 转录因子结合位点 位置权重矩阵 机器学习 ChIP-seq 基序整合