摘要
本公开提供了一种基于CNN和Transformer的拓扑关联结构域检测方法,本公开首先deepTAD识别TAD边界,随后通过Wilcoxon秩和检验去除假阳性边界,再计算余弦相似度,将过滤后的边界组合成完整的TAD。通过这一方法,可以构建基因组的三维组织图,能够识别独立的TAD以及嵌套的TAD结构。实验结果表明,deepTAD可以快速、准确地从不同的Hi‑C接触矩阵中识别TAD,其性能优于现有方法,证明了其有效性。总之,本公开的方案助于更深入理解基因组的三维结构及其功能关联。
技术关键词
深度学习模型
矩阵
编码器
多层次特征提取
待测物质
通道注意力机制
染色体
多头注意力机制
输出特征
三维组织
特征提取模块
多层感知机
非线性
分辨率
三维结构
滑动窗口
频率
系统为您推荐了相关专利信息
智能分析诊断系统
深度学习模型
基因表达数据
肿瘤标志物
数据采集模块
全局信任度
样本
可靠性评估方法
特征值
可靠性评估装置
沉降传感器
多尺度
监测预警方法
监测预警系统
降维特征