深度学习模型跨xQTL任务迁移能力获基准评测

研究团队在 Briefings in Bioinformatics 发布跨任务基准评测，系统比较六种基于序列和注释的预训练模型在九类分子数量性状位点（xQTL）上的迁移能力。结果显示，所有模型在 eQTL 预测上表现良好，但迁移到其他 xQTL 时差异明显：染色质可及性、转录因子结合和组蛋白 QTL 普遍预测较好，染色质环化和 microRNA 表达 QTL 仍具挑战。 AlphaGenome、Borzoi 等基础模型持续优于依赖局部序列上下文的模型，在类别不平衡场景下更稳健；树集成分类器可进一步提升性能，研究团队据此认为调控特征间的非线性交互有助于变异优先级排序。

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。