DeepPlantCRE：用于植物基因表达建模和跨物种泛化的 Transformer-CNN 混合框架
摘要
植物转录调控的研究是作物育种的基本基础，其中共调控元件（CRE）作为决定基因表达的关键因素，已成为作物遗传改良研究的焦点。深度学习技术凭借其在高维特征提取和非线性调控关系建模方面的卓越能力，已广泛应用于该领域。然而，现有方法存在显著局限性：单一 CNN 架构难以捕捉长程调控相互作用，而现有的 CNN-Transformer 混合模型在跨物种预测情境中容易过拟合且泛化能力不足。为此，本文提出了 DeepPlantCRE—a 用于植物基因表达预测和 CRE 提取的深度学习框架。该模型采用 Transformer-CNN 混合架构，相较于现有基线方法（DeepCRE 和 PhytoExpr）在准确率、AUC-ROC 和 F1 分数指标上取得了增强的性能，并展现出 improved 的泛化性能和过拟合抑制作用。针对来自 \textit{Gossypium}、\textit{Arabidopsis thaliana}、\textit{Solanum lycopersicum}、\textit{Sorghum bicolor} 和 \textit{Arabidopsis thaliana} 的基因表达数据集进行的跨物种验证实验表明，该模型实现了最高达 92.3% 的预测准确率，尤其在复杂基因组数据分析方面表现突出。进一步地，通过 DeepLIFT 和从重要性得分算法（TF-MoDISco）中提取的转录因子 Motif 发现（Transcription Factor Motif Discovery）进行可解释性研究，发现我们模型导出的 Motif 与 JASPAR 植物数据库中已知的转录因子结合位点（TFBSs）如 MYR2、TSO1 高度一致，进一步论证了 DeepPlantCRE 在生物学可解释性和实际农业应用潜力。
引用
@article{arxiv.2505.09883,
title = {DeepPlantCRE: A Transformer-CNN Hybrid Framework for Plant Gene Expression Modeling and Cross-Species Generalization},
author = {Yingjun Wu and Jingyun Huang and Liang Ming and Pengcheng Deng and Maojun Wang and Zeyu Zhang},
journal= {arXiv preprint arXiv:2505.09883},
year = {2025}
}