MSCF-DM：基于多尺度特征融合与物种条件调制的多物种 DNA 甲基化位点预测模型

《BMC Genomics》：MSCF-DM: center-site-aware attention and gated multi-scale fusion network for cross-species DNA methylation site prediction

　　

摘要

DNA甲基化在基因表达调控、细胞分化、染色质稳定性以及疾病的发展和进展中起着重要作用。现有的深度学习方法通常是为单个物种或数据集单独开发的，这导致难以同时捕捉不同甲基化类型之间的共同模式以及物种间的差异，同时也限制了它们在多个数据集上的统一应用。为了解决这些限制，我们提出了MSCF-DM，这是一种多尺度、基于物种条件的特征融合网络，用于预测多个物种中的DNA甲基化位点。该模型整合了序列编码、增强核苷酸组成、位置编码和物种信息。通过残差多尺度扩张深度可分离卷积（residual multi-scale dilated depthwise-separable convolutions）在不同感受野下提取局部序列模式，同时使用双向门控循环单元（bidirectional gated recurrent unit）来捕捉候选位点两侧的上下文依赖性。此外，MSCF-DM引入了一种基于物种条件的特征调制机制，根据物种信息自适应地调整卷积和循环分支的特征响应。特征级门控（feature-wise gating）和中心感知注意力池化（center-aware attention pooling）进一步用于整合局部特征、全局上下文信息以及关键候选位点的表征。实验在17个多物种基准数据集上进行，这些数据集涵盖了三种类型的DNA甲基化修饰，即4mC、5hmC和6mA。结果表明，MSCF-DM在准确性、敏感性、特异性、马修斯相关系数（Matthews correlation coefficient）、AUC和F1分数等方面取得了出色的整体性能，并在大多数数据集上优于现有的最先进方法，实现了最佳的整体平均AUC性能。这些结果表明，MSCF-DM在所研究的物种间具有良好的预测稳定性和适应性，并在多物种基准数据集上保持了稳定的性能。此外，MSCF-DM具有轻量级的计算特征，参数和计算需求较低。所提出的方法为不同甲基化类型的统一建模提供了一个新的框架，也可能为表观遗传功能的相关研究提供计算支持。