面向大规模多标签基因组序列分类的原型匹配网络

理解基因组学的基本任务之一是预测转录因子结合位点（TFBSs）。由于有数百个转录因子（TFs）作为标签，基于基因组序列的 TFBS 预测是一项具有挑战性的多标签分类任务。TF 结合有两种主要的生物学机制：（1）基因组上被称为“基序（motif）”的序列特异性结合模式；（2）被称为共结合效应的 TF 之间的相互作用。在本文中，我们提出了一种新颖的深度架构——原型匹配网络（PMN），以模拟 TF 结合机制。我们的 PMN 模型通过一种新颖的原型匹配损失为每个 TF 自动提取原型（“基序”类特征）。借鉴少样本匹配模型的思想，我们使用原型支撑集（support set）的概念和一个 LSTM 来学习 TF 如何相互作用并绑定到基因组序列。在一个包含 $2.1$ $million$ 基因组序列的参考 TFBS 数据集上，PMN 显著优于基线方法，并从经验上验证了我们的设计选择。据我们所知，这是首个引入原型学习并考虑 TF-TF 相互作用用于大规模 TFBS 预测的深度学习的架构。所提出的架构不仅准确，而且对所涉及的底层生物学进行了建模。