HiCMamba：利用状态空间模型增强 Hi-C 分辨率并识别三维基因组结构
计算机视觉与模式识别
2025-03-17 v1 人工智能
摘要
Hi-C 技术可测量全基因组范围内的相互作用频率，为研究细胞核内的三维基因组结构提供了强大的工具。然而，高昂的测序成本和技术挑战通常导致 Hi-C 数据的覆盖度有限，进而造成染色质相互作用频率的估计不精确。为解决这一问题，我们提出了一种基于深度学习的新方法 HiCMamba，利用状态空间模型增强 Hi-C 接触图的分辨率。我们采用基于 UNet 的自编码器架构来堆叠所提出的整体扫描块，从而实现多尺度下全局和局部感受野的感知。实验结果表明，HiCMamba 在显著降低计算资源的同时，性能优于现有 SOTA 方法。此外，通过相关的表观基因组特征验证了由 HiCMamba 恢复的接触图中识别出的三维基因组结构，包括拓扑关联结构域（TADs）和环。我们的工作展示了状态空间模型作为 Hi-C 分辨率增强领域基础框架的潜力。
关键词
引用
@article{arxiv.2503.10713,
title = {HiCMamba: Enhancing Hi-C Resolution and Identifying 3D Genome Structures with State Space Modeling},
author = {Minghao Yang and Zhi-An Huang and Zhihang Zheng and Yuqiao Liu and Shichen Zhang and Pengfei Zhang and Hui Xiong and Shaojun Tang},
journal= {arXiv preprint arXiv:2503.10713},
year = {2025}
}