English(EN) WTKO-CNN: Deep Learning Reveals Sequence Motifs Distinguishing Wild-Type and Knockout ATAC-seq Peaks

深度学习模型识别基因调控中的 DNA 序列基序

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-26 04:00

研究人员开发了一个名为 WTKO-CNN 的深度学习模型，用于区分 ATAC-seq 数据中的野生型和敲除型 DNA 序列。该模型利用注意力机制来识别影响分类的关键核苷酸位置。通过分析这些有影响力的区域，研究团队发现了与转录因子家族相关的新序列基序，这些基序能够区分这两种情况，为理解转录调控提供了新方法。 AI

影响为发现基因组数据中的功能序列特征提供了一种新的计算方法，有助于生物学研究。

排序理由该集群包含一篇详细介绍新型深度学习模型及其在生物信息学中应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍新型深度学习模型及其在生物信息学中应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 111 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Lopamudra Dey · 2026-05-26 04:00

WTKO-CNN：深度学习揭示区分野生型和敲除型ATAC-seq峰的序列基序

arXiv:2605.24034v1 Announce Type: cross Abstract: Chromatin regulators can alter transcriptional programs by modifying the accessibility of regulatory DNA elements. Understanding how regulatory sequences differ between wild-type (WT) and knockout (KO) conditions is crucial for de…

本文如何被排名

报道来源 [1]

WTKO-CNN：深度学习揭示区分野生型和敲除型ATAC-seq峰的序列基序

相关实体

相关话题