基于多元互信息的组蛋白修饰特征选择及其在表观基因组预测中的应用

《npj Systems Biology and Applications》：Multivariate mutual information based feature selection for predicting histone post-translational modifications in epigenetic datasets

　　互信息（MI）传统上已被应用于许多领域，包括生物学，用于识别特征之间的非线性关系。这项技术在生物学背景下尤其有用，可用于识别基因、组蛋白翻译后修饰（PTMs）、转录因子等特征。在本研究中，我们不再评估PTM特征之间更常规的成对MI，而是在一些公开可用的ChIP-seq数据集上计算PTM三元组之间的多元互信息（MMI）。这使我们能够形成一小部分PTM子集，作为预测表观基因组中任何其他组蛋白PTM强度值的主要特征。这一预测步骤采用机器学习，使用基于MMI选出的特征。基于MMI选择的主要特征是全局性的，并不特定于所预测的目标。该技术的预测性能在酵母和人类表观基因组的ChIP-seq数据集上进行了展示，并与其他特征选择技术进行了比较。