基于可解释深度学习的层级式TADs结构域识别方法及系统

本发明涉及了生物计算技术领域，具体涉及了基于可解释深度学习的层级式TADs结构域识别方法及系统，方法包括：获取Hi‑C接触矩阵，提取其中基本TADs结构域边界点，依据边界点与最大TADs结构域限制条件生成各层级候选层级式TADs结构域。接着以Hi‑C接触矩阵中任意两个染色质片段与所有候选层级式TADs结构域的位置关系、以及两个片段之间的基因组距离为输入，以两个片段之间的相互作用频率为输出训练深度学习模型。然后对深度学习模型进行解释，根据各候选层级式TADs结构域对全体接触频率的贡献度筛选出最显著的层级式TADs结构域。此流程有助于量化每个TADs结构域对整个Hi‑C接触矩阵的重要性，为基因组三维结构研究等提供重要依据。