HiCP2GAN：用Hi-C基础模型当判别器的GAN

OluwadareLab 发布 HiCP2GAN，一个即插即用的 GAN 框架，用预训练的 Vision Transformer 类 Hi-C 基础模型充当判别器，以提升低分辨率 Hi-C 接触图谱质量。该判别器在跨物种、跨细胞类型的 1.18 亿个 Hi-C patch 上预训练，作者称其能为对抗训练提供具有生物学意义的梯度。 框架与生成器无关，任何兼容的 Hi-C 分辨率增强架构都可作为生成器。作者将基础模型编码器阶段改作判别器骨干，微调靠近输入的浅层、冻结更深的 transformer 层，以在保留预训练知识的同时做任务适配。 作者称，在多种细胞系实验中，HiCP2GAN 在多数设置下优于传统基于 GAN 的方法，并在多数评估情形中提升现有 Hi-C 增强模型的重建质量和生物学可重复性。代码已在 GitHub 公开。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。