A deep learning model leveraging semantic features fusion for DNase I hypersensitive sites identification in the human genome
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: DNase I hypersensitive sites (DHSs) are chromatin regions that are extremely sensitive to the DNase I enzyme, increasing their accessibility for cellular processes. DHSs are crucial for understanding transcriptional regulation mechanisms and contain genetic variations linked to various diseases such as breast cancer, coronary artery disease, Alzheimer's disease, autoimmune disorders, and neurological conditions. However, conventional DHSs identification methods are labor-intensive and resource-heavy, necessitating the need for alternative cost-effective approaches with high performance. METHODS: In this study, we propose various computational models, namely the CNN model, the CNN-GRU fusion model, the CNN-kmer fusion model, and the CNN-GRU-kmer fusion model, to overcome the challenges associated with DHSs prediction. The CNN Model is based on a simple 1-dimensional convocational neural network (CNN). The CNN-GRU fusion model is based on a simple 1-dimensional CNN and gated recurrent unit (GRU) and then fuses the feature maps of CNN and GRU. The CNN-kmer fusion model is based on a simple 1-dimensional CNN and k-mer features. First, we input the k-mer features to a dense layer; the output of the dense layer is fused with CNN features. In the CNN-GRU-kmer fusion model, based on simple 1-dimensional CNN, GRU, and k-mer features, first we input the k-mer features to a dense layer; the output of the dense layer is fused with CNN features and GRU features and fed to a dense layer with a sigmoid function for prediction. RESULTS: The proposed models were validated in the publicly available dataset, obtaining an accuracy of 0.8631, a sensitivity of 0.7209, a specificity of 0.9353, an MCC of 0.6468, an AUC ROC of 0.8528, and an AUC PR of 0.7530. These results surpass all performance evaluation metrics of state-of-the-art models. CONCLUSIONS: This study presents that the model integrates semantic vector-based feature fusion representation, which effectively captures both local and global patterns with inherited spatio-temporal dependencies within complex DHSs sequences. The model's performance was validated both with and without semantic feature fusion, followed by quantitative and statistical analyses against individual models, significantly enhancing feature representation and classification performance. Source code and datasets are available at: https://github.com/malikmtahir/DNase/tree/main.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».