Il modello WTKO-CNN decodifica le differenze di accessibilità della cromatina

Un nuovo modello di deep learning, WTKO-CNN, distingue le sequenze di DNA da condizioni wild-type e knockout analizzando i picchi ATAC-seq. La rete neurale convoluzionale con meccanismo di attenzione raggiunge elevate prestazioni predittive. Le mappe di salienza identificano le posizioni nucleotidiche influenti, consentendo la scoperta de novo di motivi tramite estrazione e clustering di k-mer. I sequence logo e i motivi consenso dei filtri CNN rivelano pattern biologicamente significativi, validati rispetto a siti di legame noti di fattori di trascrizione utilizzando MEME, TOMTOM e HOMER. Lo studio identifica motivi associati al controllo trascrizionale, offrendo approfondimenti su come i regolatori della cromatina alterano l'accessibilità degli elementi regolatori del DNA.