生物資訊學
研究動機：轉錄因子識別的 DNA 基序通常表示為位置權重矩陣（position weight matrices, PWMs），其假設單個核苷酸對蛋白質結合特異性的貢獻彼此獨立。過去幾十年中，人們提出了許多考慮位點貢獻相關性的替代模型。然而，其性能提升通常並未超過 PWM 在簡潔性、可解釋性以及基於成熟代碼庫的實際適用性方面所具有的優勢。現有軟件工具和基序數據庫常常會針對同一轉錄因子，甚至同一數據集，提供多個彼此不完全相同的 PWM。
一個仍具有實際意義的問題是，是否能夠將這些 PWM 有效整合為一個改進的單一模型。
結果：本文介紹了 ArChIPelago（https://github.com/autosome-ru/ArChIPelago），這是一個計算框架，利用經典機器學習技術（從線性迴歸到決策樹集成）將多個 PWM 組合為聯合模型。我們表明，這種組合能夠提高對基因組序列中轉錄因子結合位點的預測性能。
基於一個多樣化的數據集合——涵蓋 704 個 ChIP-Seq 數據集，涉及 36 個人類和小鼠直系同源轉錄因子，且覆蓋多種不同的結構家族——我們證明 ArChIPelago 的表現持續優於目前可獲得的最佳單核苷酸和二核苷酸 PWM，以及稀疏局部非均勻混合模型。此外，結合人類和小鼠數據，我們證明了 PWM 集成模型能夠進行可靠的跨物種預測。
注意：要求提供您的電子電郵地址，僅用於將您標識為本文的發送者。
📄 原文連結：https://www.biorxiv.org/content/10.64898/2026.05.12.724515v1?rss=1
🏷️ 轉錄因子結合位點 位置權重矩陣 機器學習 ChIP-seq 基序整合