FourSynergy：基于集成方法的交互分析技术，利用4C-seq数据并通过无梯度优化实现

《BioData Mining》：fourSynergy: ensemble-based interaction calling on 4C-seq data using gradient-free optimization

　　

摘要

背景

染色质结构在基因调控中起着关键作用，与癌症等多种严重疾病密切相关。由于染色质变化可能是可逆的，深入理解这些变化有助于开发新的治疗方法。环状染色体构象捕获测序（4C-seq）是一种能够识别基因与调控元件之间相互作用嘅测序技术。本研究旨在开发一种集成算法，利用现有4C-seq工具之间的协同作用，从而提升4C-seq染色质相互作用检测的准确性。我们采用加权投票法运用现有的4C-seq算法，通过无梯度优化策略根据不同的预测性能指标来调整各工具的权重，进而展示了结合多种4C-seq分析工具进行相互作用检测的潜力。

结果

我们的研究结果表明，在留一组交叉验证环境中，基于加权投票的集成方法显著提升了染色质相互作用检测的预测性能，平均F1分数为0.31，平均AUPRC值为0.34，而单独使用各算法时的相应数值分别为0.13和0.16。为便于使用，我们将该方法整合到了fourSynergy中，这是一个专注于近饵型4C-seq相互作用的分析框架，包含Snakemake流程、R/Bioconductor包以及交互式Shiny应用程序。

结论

本研究不仅提供了经过精心整理的4C-seq数据集，还证明了相较于单一的4C-seq算法，集成方法能够提升染色质相互作用检测的预测性能。