DeepChrome：利用深度学习从组蛋白修饰预测基因表达
机器学习
2016-07-08 v1 基因组学
摘要
动机：组蛋白修饰是调控基因表达的最重要因素之一。通过组蛋白修饰信号预测基因表达的计算方法对于理解其在基因调控中的组合效应非常理想。这一知识有助于开发针对癌症等疾病的“表观遗传药物”。先前量化组蛋白修饰与基因表达水平之间关系的研究要么未能捕捉组合效应，要么依赖于将预测与组合分析分开的多种方法。本文开发了一个统一的判别框架，利用深度卷积神经网络，以组蛋白修饰数据为输入对基因表达进行分类。我们的系统名为 DeepChrome，能够自动提取重要特征之间的复杂相互作用。为了同时可视化组蛋白修饰之间的组合相互作用，我们提出了一种新颖的基于优化的技术，从学习到的深度模型生成特征模式图。这为调控基因的潜在表观遗传机制提供了直观描述。结果：我们展示了 DeepChrome 在 REMC 数据库中 56 种不同细胞类型的基因表达分类任务上优于支持向量机和随机森林等最先进模型。我们的可视化技术的输出不仅验证了先前的观察结果，还提供了关于组蛋白修饰标记之间组合相互作用的新见解，其中一些最近已被实验研究所观察到。
引用
@article{arxiv.1607.02078,
title = {DeepChrome: Deep-learning for predicting gene expression from histone modifications},
author = {Ritambhara Singh and Jack Lanchantin and Gabriel Robins and Yanjun Qi},
journal= {arXiv preprint arXiv:1607.02078},
year = {2016}
}
备注
This work will be originally published in Bioinformatics Journal (ECCB 2016)