第 1 章 引言 1
1.1 研究背景與意義 1
1.1.1 高通量測序技術(shù) 3
1.1.2 染色質(zhì)開放性 5
1.1.3 基因調(diào)控機制 10
1.2 研究現(xiàn)狀與不足 12
1.2.1 細胞群染色質(zhì)開放性預測方法 12
1.2.2 單細胞染色質(zhì)開放性分析方法 15
1.3 本書研究內(nèi)容與貢獻 18
1.4 本書內(nèi)容安排 21
1.5 小結(jié) 22
第 2 章 基于序列信息的染色質(zhì)開放性預測方法 23
2.1 引言 23
2.2 整合序列進化保守性的隨機森林預測方法 24
2.2.1 研究背景與動機 24
2.2.2 基于隨機森林的 kmerForest 模型 26
2.2.3 kmerForest 模型準確預測染色質(zhì)開放性 27
2.2.4 利用 kmerForest 模型促進遺傳變異數(shù)據(jù)的解釋 31
2.2.5 分析與小結(jié) 33
2.3 結(jié)合 k 聚體特征的混合卷積神經(jīng)網(wǎng)絡預測方法 34
2.3.1 研究背景與動機 34
2.3.2 基于混合神經(jīng)網(wǎng)絡的 Deopen 模型 36
2.3.3 Deopen 準確預測染色質(zhì)開放性二值狀態(tài) 39
2.3.4 Deopen 準確恢復連續(xù)染色質(zhì)開放性信號 44
2.3.5 神經(jīng)網(wǎng)絡卷積核的生物解釋 48
2.3.6 分析與小結(jié) 50
2.4 小結(jié) 54
第 3 章 融合組學數(shù)據(jù)的跨細胞系染色質(zhì)開放性預測方法 55
3.1 引言 55
3.2 研究背景與動機 56
3.3 基于密集連接卷積網(wǎng)絡的 DeepCAGE 模型 58
3.3.1 模型設計架構(gòu) 58
3.3.2 模型評價方法 59
3.3.3 實驗數(shù)據(jù)準備和預處理 61
3.4 DeepCAGE 模型預測性能 63
3.4.1 DeepCAGE 準確預測跨細胞系染色質(zhì)開放性二值狀態(tài) 63
3.4.2 DeepCAGE 準確恢復跨細胞系染色質(zhì)開放性連續(xù)信號 64
3.4.3 針對 DeepCAGE 模型的消融性分析 67
3.5 DeepCAGE 模型的生物學應用與解釋 69
3.5.1 基于梯度的轉(zhuǎn)錄因子的優(yōu)先排序分析 69
3.5.2 神經(jīng)網(wǎng)絡卷積核的可視化與信息熵分析 71
3.6 DeepCAGE 模型在解讀全基因組測序數(shù)據(jù)上的應用 72
3.6.1 建立全基因組測序變異位點影響的評估方法 72
3.6.2 全基因組數(shù)據(jù)測序變異位點的排序分析 73
3.6.3 從全基因組突變位點到復雜表型的建模與解釋 74
3.7 小結(jié) 75
第 4 章 基于深度生成式模型的單細胞染色質(zhì)開放性分析方法 77
4.1 引言 77
4.2 研究背景與動機 79
4.3 基于循環(huán)對抗生成式網(wǎng)絡的概率密度估計模型 Roundtrip 80
4.3.1 概率密度估計的建模與求解方法 81
4.3.2 概率密度估計模型的遷移 86
4.4 解析單細胞染色質(zhì)開放性的 scDEC 模型 87
4.4.1 scDEC 模型設計架構(gòu) 87
4.4.2 模型的對抗式訓練 89
4.4.3 模型評價方法 92
4.4.4 實驗數(shù)據(jù)準備與預處理 94
4.5 scDEC 模型在細胞類型發(fā)現(xiàn)上的性能表現(xiàn) 97
4.5.1 scDEC 在多個數(shù)據(jù)集上細胞聚類性能上優(yōu)于已有方法 97
4.5.2 scDEC 在大規(guī)模 scATAC-seq 數(shù)據(jù)下的性能分析 109
4.5.3 scDEC 模型在單細胞多組學數(shù)據(jù)上的性能分析 109
4.6 scDEC 促進下游生物應用與發(fā)現(xiàn) 113
4.6.1 利用 scDEC 模型促進細胞特異性 motif 分析 113
4.6.2 利用 scDEC 模型促進細胞軌跡推斷分析 118
4.6.3 利用 scDEC 模型消除單細胞數(shù)據(jù)中的實驗技術(shù)噪聲 119
4.7 小結(jié) 122
第 5 章 總結(jié)與展望 126
5.1 總結(jié) 126
5.2 未來展望 128
參考文獻 130