多模态 3D 基因组预训练
机器学习
2025-10-29 v2 人工智能
基因组学
摘要
深度学习技术在 3D 基因组计算生物学中的各种分析任务上取得了显著进展。然而，对 3D 基因组知识的整体性理解仍未得到充分探索。本文提出 MIX-HIC，即首个集成 3D 基因组结构和表观基因组轨迹的多模态基础模型，通过统一且全面的语义表示获取 3D 基因组知识。为实现准确的异构语义融合，我们设计了跨模态交互和映射模块，以实现稳健的统一表示，进而实现对 3D 基因组知识的精准聚合。此外，我们引入了首个大规模数据集，包含超过 100 万对 Hi-C 接触图和表观基因组轨迹的样本，用于高质量预训练，探索 3D 基因组中功能性含义。大量实验表明，MIX-HIC 在多种下游任务上显著超越现有领先方法。本工作为推动 3D 基因组研究提供了宝贵资源。
引用
@article{arxiv.2504.09060,
title = {Multimodal 3D Genome Pre-training},
author = {Minghao Yang and Pengteng Li and Yan Liang and Qianyi Cai and Zhihang Zheng and Shichen Zhang and Pengfei Zhang and Zhi-An Huang and Hui Xiong},
journal= {arXiv preprint arXiv:2504.09060},
year = {2025}
}
备注
NeurIPS 2025