基于多粒度网络预测增强子-启动子相互作用

准确识别增强子-启动子相互作用（EPIs）对疾病来源追踪和发展基因疗法有重要意义。现有预测方法缺乏对序列不同粒度信息的关注,提取增强子、启动子序列包含的不同粒度特征有助于从多层级分析EPIs。因此,提出EPIs预测模型EPI-PBGA(Parallel BiGRU Attention Network),分别通过卷积子网络和双层双向门循环单元（BiGRU）注意子网络提取序列的细粒度、粗糙粒度特征。基于EPIs普遍存在的细胞特异性,在不同细胞系进行粒度选择,选定最优粗糙粒度,同时通过双层BiGRU注意网络提取元件子序列中存在的多种关联特征。实验结果表明,EPI-PBGA在6个基准数据集表现出较好性能,有效预测EPIs。