机构名称：
¥ 2.0
三维（3D）染色质相互作用，例如增强子促销相互作用（EPIP），LOOP，拓扑结合结构域（TADS）和A/B室通过调节基因表达在广泛的细胞过程中起关键作用。最近的染色质构象捕获技术的最新发展使各种3D结构的全基因组分析也能够使用单细胞。但是，由于技术，工具和低数据分辨率的差异，3D结构的当前目录仍然不完整和不可靠。机器学习方法已成为获得缺失的3D相互作用和/或改善分辨率的替代方法。这种方法经常使用基因组注释数据（chip-seq，dnase-seq等。），DNA测序信息（K-MER，转录因子结合位点（TFB）基序）和其他基因组特性，以了解基因组特征与染色质相互作用之间的关联。在本综述中，我们讨论了用于预测三种类型的3D相互作用（EPIP，染色质相互作用，TAD边界）的计算工具，并分析其优点和缺点。我们还指出了3D相互作用的计算预测障碍，并提出了未来的研究方向。
用于预测3D基因组组织的机器和深度学习方法
主要关键词
相关文件推荐
