软件学院吴昊副教授团队在染色质三维结构研究领域取得新进展，相关成果以“IChrom-Deep: An Attention-Based Deep Learning Model for Identifying Chromatin Interactions”为题发表在生物医学健康领域学术期刊IEEE Journal of Biomedical and Health Informatics（中科院1区，Top期刊，IF = 7.7分）。吴昊副教授为该论文唯一通讯作者，山东大学软件学院为第一作者单位和唯一通讯作者单位。
染色质相互作用是三维基因组研究的重要组成部分，其对基因的转录、调控与表达至关重要。例如，染色质相互作用能增强基因表达，通过与特定基因的启动子相互作用触发转录和激活以及为增强子与基因之间的通信提供基础支撑。进而，染色质相互作用通过关联染色质环等三维基因组结构以导致某些疾病的发生。因此，染色质相互作用的精准检测对探索基因表达和转录以及疾病诊断、治疗和药物靶标具有重要意义。
由于Hi-C和ChIA-PET等高通量全基因组映射技术具有高成本和长耗时等限制，因此早期研究中的计算方法主要分为使用功能基因组特征和仅使用DNA序列两类。然而不幸的是，近期的研究结果表明一些计算工具的高性能是由于随机分割导致的过拟合造成的。因此，一种可靠的染色质相互作用预测模型的需求迫在眉睫。
本研究结合功能基因组特征和DNA序列，提出了一种基于注意力机制的深度学习模型。为解决训练集的不平衡问题，本研究通过评估对比使用focal loss损失函数和多子模型训练策略的性能，最终选择使用多子模型集成的方法构建IChrom-Deep。研究首先评估了先前多种方法仅使用DNA序列的预测性能，并使用IChrom-Deep的序列模块进行对比。此外，研究评估了IChrom-Deep和先前研究方法的性能，全面验证了IChrom-Deep的有效性和优越性能。本研究全面探索了DNA序列、区域间的线性距离以及序列保守性对预测染色质相互作用的影响，并深入探讨了这些特征在不同场景下的适用性建议。本研究解释了IChrom-Deep的基因组模块，探索了对预测染色质相互作用具有重要影响的基因组特征，进而解释了其中一些基因组特征在染色质相互作用背后的生物学机制和作用。此外，还鉴定了一些潜在重要的基因组特征，为生物学家提供新的借鉴和参考。该研究结果为生物学家探索染色质相互作用、三维基因组结构、染色体空间组织以及基因表达调控研究提供新的研究思路，进而促进疾病发生机理研究及疾病诊断和治疗。
该论文的发表反映出近年来山东大学软件学院在计算生物信息学和生命医学健康领域取得长足进步，也是学校近年来促进多学科交叉建设方面取得高质量科研成果的一个缩影。
吴昊副教授团队长期致力于复杂疾病通路、三维基因组结构及相关调控元件预测和单细胞多组学数据集成及下游分析等相关研究，近期关于三维染色质结构单元和调控元件检测的系列研究成果发表于Nucleic Acids Research（2022，中科院1区， IF=19.16），Briefings in Bioinformatics（2022，中科院1区，IF=13.99），Bioinformatics（2022，中科院1区，IF=6.93），IEEE Journal of Biomedical and Health Informatics（2023，中科院1区，IF=7.7）等学术期刊。
【来源：山大视点 编辑：杨欣悦 审核：王琼】
