CCTAD:一种结合卷积自编码器与层次聚类的拓扑关联结构域检测方法

《Computational Biology and Chemistry》:CCTAD: A topologically associating domains detection method integrating convolutional autoencoder and hierarchical clustering

【字体: 大 中 小 】 时间:2026年01月23日 来源:Computational Biology and Chemistry 3.1

编辑推荐:

  背景:更精确地识别拓扑关联结构域(Topologically Associating Domains, TADs)对于理解染色质空间组织和基因调控至关重要。尽管目前已开发了许多用于TAD检测的计算方法,但现有方法仍存在若干关键局限性,例如难以同时建模局部和全局

  
背景:更精确地识别拓扑关联结构域(Topologically Associating Domains, TADs)对于理解染色质空间组织和基因调控至关重要。尽管目前已开发了许多用于TAD检测的计算方法,但现有方法仍存在若干关键局限性,例如难以同时建模局部和全局相互作用模式、依赖人工调整参数导致边界粒度不稳定,以及对分辨率和细胞系的高敏感性。这些问题导致边界不稳定且对噪声高度敏感,从而影响TAD结构的整体生物学可解释性。 结果:为应对这些挑战,研究人员提出了一种新颖的无监督TAD识别方法CCTAD,该方法首次将一维卷积自编码器(1D-CAE)与连接约束层次聚类(connectivity-constrained hierarchical clustering)相结合。1D-CAE以无监督方式从Hi-C接触矩阵中自动提取高质量、低维的特征表示,有效捕捉染色质相互作用的局部和全局模式。随后,利用增强基因组邻接约束的层次聚类策略对这些学习到的特征进行划分,该策略在保持线性基因组上TAD连续性的同时,自适应优化聚类粒度。这种设计克服了传统方法在边界精度和稳定性方面的局限性。因此,CCTAD产生的TAD划分在不同分辨率下均具有更强的生物学意义和鲁棒性。源代码已在GitHub上发布。 结论:CCTAD在多个细胞系和分辨率上的评估证明了其在关键调控元件边界识别方面的优势。
论文解读:基于卷积自编码器与层次聚类的TAD检测方法CCTAD研究
本研究由Feng Ruiping、Luo Junwei、Liu Kaihua及Guo Fei合作完成,题为“CCTAD: A topologically associating domains detection method integrating convolutional autoencoder and hierarchical clustering”,发表于《Computational Biology and Chemistry》。该研究针对三维基因组学中的核心问题——拓扑关联结构域(TAD)的精确识别,提出了一种融合深度学习与图论约束的新型计算框架。
研究背景与现状
在细胞核内,基因组染色质以高度折叠的三维空间结构存在,这种构象不仅反映了染色体的组织形式,还在维持染色体结构完整性、调控基因表达及执行细胞功能中扮演关键角色。高通量染色体构象捕获(Hi-C)技术作为研究三维基因组结构的核心手段,能够全基因组范围内捕获不同染色体区域间的空间相互作用。其中,TAD作为染色质相互作用频率较高的连续区域,通常被定义为跨越200 kb至5 Mb的染色质单元,其边界富集了CTCF、粘连蛋白复合体(cohesin complex)等多种调控元件。研究表明,TAD边界的破坏可能导致增强子-启动子异常接触,进而引发癌症、发育障碍等疾病。然而,现有的TAD检测方法主要面临三大挑战:基于人工特征的方法难以同时捕捉局部与全局多尺度结构信息;大多数聚类方法依赖固定距离阈值或层次划分,难以适应不同染色体和分辨率;缺乏空间邻接约束常导致不连续区域被错误合并,影响结构划分的生物学合理性。
研究方法与技术路线
研究人员开发了CCTAD方法,其核心流程包括四个步骤。首先,对Hi-C原始接触矩阵进行Knight-Ruiz(KR)归一化处理以消除系统偏差。其次,采用一维卷积自编码器(1D-CAE)从归一化后的矩阵中提取低维特征表示,该网络包含两层一维卷积层和ReLU激活函数,通过最小化重构损失(MSE)来学习鲁棒的特征向量。第三,引入基因组物理邻接约束矩阵(A)至层次聚类框架中,仅允许相邻基因组区间(bin)合并,并使用平均欧氏距离作为簇间距离度量,通过预设的距离阈值(τ)控制聚类停止。最后,对小于特定尺寸(默认为3个bin)的候选TAD进行过滤合并,以减少碎片化划分。实验数据来源于GM12878、IMR90和K562细胞系的Hi-C数据(GSE63525),分辨率涵盖25 kb、50 kb和100 kb。
研究结果
1. TAD边界处的组蛋白富集
研究人员通过计算平均峰值(Average peak)、倍数变化(Fold change)和边界标记比率(Boundary tagged ratio)来评估TAD边界的生物学相关性。结果显示,CCTAD在CTCF、H3K4me3、H3K36me3、HK基因、PolII和RAD21这六类调控元件的平均峰值上均取得了最高值,显著优于deDoc、SpectralTAD、TopDom和KerTAD等方法。在折叠变化指标中,CCTAD同样在所有六种调控元件中表现最佳。边界标记比率的分析表明,CCTAD在CTCF和RAD21上达到了最高的标记率。此外,通过对chr1区域的转录因子和组蛋白修饰富集分析进一步证实,CCTAD识别的边界具有更高的信号强度。
2. TAD的数量与大小
在不同分辨率(25 kb、50 kb、100 kb)下对GM12878细胞系染色体21的TAD识别结果表明,随着bin size的增加,TAD的平均大小通常增加,而数量减少。CCTAD在不同分辨率下的表现与其他主流方法相当,且在100 kb分辨率下识别的TAD平均大小与其他方法相近。热图分析直观展示了不同方法识别出的TAD在数量、大小和边界位置上的差异。
3. 计算成本与可扩展性
理论分析表明,由于1D-CAE的时间复杂度为O(N),且连接约束将层次聚类的复杂度从传统的O(N2)降低至O(NlogN),因此CCTAD的整体复杂度为O(NlogN)。实际运行测试显示,随着bin数量的增加,运行时间呈近似线性增长,内存消耗保持稳定,证实了该方法在处理大规模高分辨率Hi-C数据时的高效性和可扩展性。
4. 消融实验
为验证各模块的必要性,研究人员设计了CCTAD-MLP(仅使用多层感知机提取特征)和CCTAD-noConn(移除连接约束)两个变体进行对比。结果表明,完整的CCTAD模型在平均峰值、折叠变化和边界标记比率三项指标上均显著优于两个消融模型。这证实了1D-CAE提供的特征表示质量更高,且连接约束对于提升边界识别和信号对比度具有关键作用。
结论与讨论
本研究提出的CCTAD是一种结合了深度特征学习与基因组邻接约束的新型TAD检测方法。通过在多种分辨率和细胞类型的数据上进行评估,CCTAD展现了具有竞争力的稳定性和性能,特别是在TAD边界识别的可靠性和一致性方面表现出色。识别出的TAD边界显著富集于多种关键调控元件附近,验证了该方法在表征染色质空间结构方面的有效性和生物学相关性。
CCTAD的创新之处在于构建了“深度特征学习+邻接约束聚类”的协同框架,实现了多尺度和高噪声条件下的精确、稳定TAD检测。这不仅为Hi-C数据的自动化分析提供了有力工具,也为探索三维染色质组织、基因调控机制及其与疾病的关系提供了新的方法论支持和广阔的应用前景。未来,CCTAD有望扩展至单细胞或超高分辨率Hi-C数据分析,并结合图神经网络(GNN)等更先进的深度学习范式,进一步提升特征表示的精细度。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号