甲基化 swMATH ID: 29653 软件作者： 利维·尤根森（Levy-Jurgenson），阿隆娜（Alona）；泽维尔·特克利（Xavier Tekpli）；Kristensen，Vessela N。；佐哈尔·亚基尼 描述： 利用深度学习和注意力从序列和基因表达预测甲基化。DNA甲基化与基因表达的改变密切相关，在多种疾病尤其是癌症的表现中起着关键作用。因此，从分子生物学的角度来看，甲基化的序列决定因素以及甲基化与表达之间的关系非常有趣。已经提出了几个模型来支持甲基化状态的预测。然而，这些模型有两个主要局限性：（a）它们局限于特定的CpG位点；（b）不容易理解。我们通过专注的深度学习来解决这些局限性。我们建立了一个通用模型，该模型仅基于样本的基因表达谱和CpG周围的序列来预测给定样本在任何CpG位置的DNA甲基化。根据基因-CpG的接近性，我们的模型在CpG位置和受试者（癌症和健康样本）的两个独立测试集上的数千个CpG位点上获得了高达0.84的Spearman相关性。重要的是，我们的方法，特别是注意力的使用，提供了一个新的框架，在与序列信息结合时，可以从基因表达数据中提取有价值的见解。我们通过将几个基序和基因与甲基化活性联系起来来证明这一点，包括Nodal和Hand1。代码和训练过的重量可从以下网址获得：https://github.com/YakhiniGroup/甲基化。 主页： https://link.springer.com/chapter/10.1007/978-3-030-18174-1_13 源代码： https://github.com/YakhiniGroup/甲基化 相关软件： DRIMust公司;github;亚当 引用于： 1文件 标准条款 1出版物描述软件，包括1出版物以zbMATH为单位 年份 利用深度学习和注意力从序列和基因表达预测甲基化。 Zbl 1416.92061号Levy Jurgenson，阿隆娜;泽维尔·特克利;韦塞拉·N·克里斯滕森。;佐哈尔·亚基尼 2019 4位作者引用 1 韦塞拉·N·克里斯滕森。 1 阿隆娜·利维·尤根森 1 泽维尔·特克利 1 佐哈尔·亚基尼 0连载引用 在1个字段中引用 1 生物学和其他自然科学（92-XX） 按年份列出的引文