HyperDeepTAD：一种基于多路染色质相互作用数据和深度学习的拓扑关联域检测方法

《BMC Genomics》：HyperDeepTAD: a topologically associated domains detection method based on multiway chromatin interaction data and deep learning

　　

摘要

准确识别拓扑关联域（TADs），即3D基因组的基本单元，对于解码基因调控机制至关重要。现有方法主要依赖于Hi-C的成对接触信号，难以提取多个位点之间的协同作用，从而限制了边界的准确性。相比之下，多路染色质相互作用数据可以直接捕捉同时发生在多个区域的高阶相互作用，从而克服了二元相互作用的局限性，为三维染色质组织的更全面分析提供了关键的数据支持。本研究提出了HyperDeepTAD：该方法通过从多路染色质相互作用数据构建超图来保留高阶信息，将转移概率矩阵输入动态卷积网络以捕获局部特征，利用BiGRU和残差连接获得候选边界，并通过超图聚类系数进行筛选，最后使用余弦相似度来确定分层的TADs。实验表明，该方法在边界富集等指标上优于基于Hi-C的方法。源代码可从https://github.com/liukaihua0213-source/HyperDeepTAD获取。