河南理工大学の研究チームは、遺伝子転写を制御するために遠方のゲノム要素を近接させる重要な調節構造である「クロマチンループ」を特定する新しい計算フレームワーク「TM-Loop」を開発した。この手法は、3Dゲノム構造を研究する技術である10 kbのHi-Cコンタクト行列を主要データとして活用し、ATAC-seqおよびCTCF ChIP-seq信号を統合して、サンプル不均衡を緩和する重み付き特徴システムを構築する。トランスフォーマーベースの深層学習モデルを採用することで、TM-Loopはマルチヘッド・アテンション・メカニズムを用い、ゲノム内の大域的および局所的な特徴依存関係を捉える。

このフレームワークは、信号対雑音比が低く、データが疎であるという既存の3Dゲノミクスツールの課題に対処している。精度向上のため、システムは二重閾値フィルタリングプロセスとアンカー誘導クラスタリングを組み込んでおり、誤った信号を効果的に排除し、偽発見率を低減させる。検証実験では、APA（Aggregate Peak Analysis）、タンパク質濃縮、3D構造の一貫性といったベンチマークにおいて、TM-Loopが現行の最新手法を上回ることが示された。本研究成果は2026年6月11日にScientific Reports誌で発表され、ソースコードはGitHubを通じて公開されている。本プロジェクトは、河南省科学技術研究プロジェクト（助成番号：252102210007）の資金援助を受けている。

河南理工大学の研究チームは、遺伝子転写を制御するために遠方のゲノム要素を近接させる重要な調節構造である「クロマチンループ」を特定する新しい計算フレームワーク「TM-Loop」を開発した。この手法は、3Dゲノム構造を研究する技術である10 kbのHi-Cコンタクト行列を主要データとして活用し、ATAC-seqおよびCTCF ChIP-seq信号を統合して、サンプル不均衡を緩和する重み付き特徴システムを構築する。トランスフォーマーベースの深層学習モデルを採用することで、TM-Loopはマルチヘッド・アテンション・メカニズムを用い、ゲノム内の大域的および局所的な特徴依存関係を捉える。

このフレームワークは、信号対雑音比が低く、データが疎であるという既存の3Dゲノミクスツールの課題に対処している。精度向上のため、システムは二重閾値フィルタリングプロセスとアンカー誘導クラスタリングを組み込んでおり、誤った信号を効果的に排除し、偽発見率を低減させる。検証実験では、APA（Aggregate Peak Analysis）、タンパク質濃縮、3D構造の一貫性といったベンチマークにおいて、TM-Loopが現行の最新手法を上回ることが示された。本研究成果は2026年6月11日にScientific Reports誌で発表され、ソースコードはGitHubを通じて公開されている。本プロジェクトは、河南省科学技術研究プロジェクト（助成番号：252102210007）の資金援助を受けている。