AxialTAD：紧凑模型预测TAD边界

AxialTAD 作者团队提出以轴向对比模块（ACM）为核心的紧凑深度学习模型 AxialTAD，通过显式编码局部 Hi-C 区块沿行、列方向接触强度的方向性对比来预测 TAD 边界。 在 GM12878、HeLa-S3、IMR-90、K562 四个人类细胞系的细胞内评测与留一细胞系泛化评测中，AxialTAD 与 CNN+Transformer 基线 deepTAD 表现相当，可训练参数少 76%–80%（113K–137K 对 571K）。作者团队称，在两个小鼠数据集各自内部训练和评测时，AxialTAD 优于该对照和 deepTAD；与 CTCF、cohesin ChIP-seq 的正交验证支持预测边界的生物学合理性。 这些结论来自作者团队的评测，人类细胞系上的主要结果是性能与 deepTAD 相当而非更优。

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。