神经网络辅助的公式从头推导：以刻画 DNA 基序与基因表达关系为例
定量方法
2022-08-23 v1 机器学习
摘要
开发具有高可解释性的模型甚至推导公式来量化生物数据之间的关系是一种新兴需求。我们在此提出一种利用基于可解释神经网络模型（称为上下文回归模型）的新方法，从头推导序列基序与线性公式的框架。我们表明，该线性模型使用启动子序列预测基因表达水平，性能可与深度神经网络模型相媲美。我们发现了 300 个对基因表达具有重要调控作用的基序，并表明它们在 154 种不同细胞类型中对细胞类型特异性基因表达也有显著贡献。本工作说明了推导公式来表示可能不易阐明的生物学规律的可能性。(https://github.com/Wang-lab-UCSD/Motif_Finding_Contextual_Regression)
引用
@article{arxiv.2208.09559,
title = {Neural network facilitated ab initio derivation of linear formula: A case study on formulating the relationship between DNA motifs and gene expression},
author = {Chengyu Liu and Wei Wang},
journal= {arXiv preprint arXiv:2208.09559},
year = {2022}
}