이 기사의 핵심 내용은?

TM-Loop은 트랜스포머 모델을 활용해 유전체의 핵심 3D 크로마틴 루프 구조를 식별한다. 이 프레임워크는 10 kb Hi-C, ATAC-seq, CTCF ChIP-seq 데이터를 통합하여 탐지 정확도를 높였다. 실험 결과, 기존 방식보다 구조적 일관성과 단백질 농축 벤치마크에서 우수한 성능을 보였다.

TM-Loop, 유전자 3D 구조 분석 성능 향상

•TM-Loop은 트랜스포머 모델을 활용해 유전체의 핵심 3D 크로마틴 루프 구조를 식별한다.
•이 프레임워크는 10 kb Hi-C, ATAC-seq, CTCF ChIP-seq 데이터를 통합하여 탐지 정확도를 높였다.
•실험 결과, 기존 방식보다 구조적 일관성과 단백질 농축 벤치마크에서 우수한 성능을 보였다.

허난공과대학교 연구진이 유전자 전사를 제어하는 핵심 조절 구조인 크로마틴 루프를 식별하는 새로운 계산 프레임워크 'TM-Loop'를 개발했다. 이 방식은 3D 게놈 구조를 연구하는 기술인 10 kb Hi-C 접촉 행렬을 기본 데이터로 사용하며, 여기에 ATAC-seq 및 CTCF ChIP-seq 신호를 통합해 샘플 불균형을 해결한 가중치 기반 특징 시스템을 구축했다. 특히 트랜스포머 기반 딥러닝 모델을 도입해 멀티헤드 어텐션 메커니즘으로 유전체 내의 전역적, 국소적 특징 의존성을 동시에 포착한다.

TM-Loop는 낮은 신호 대 잡음비와 높은 데이터 희소성을 가진 기존 3D 게놈 도구의 한계를 극복했다. 이 시스템은 이중 임계값 필터링 과정과 앵커 가이드 클러스터링을 포함하여 허위 신호를 효과적으로 제거하고 오탐지율을 낮췄다. 검증 실험에서 APA, 단백질 농축, 3D 구조적 일관성 등의 벤치마크 전반에서 최신 방법론들을 앞섰다. 연구 결과는 2026년 6월 11일 'Scientific Reports'에 게재되었으며, 소스 코드는 GitHub를 통해 공개되었다. 본 프로젝트는 허난성 과학기술부 연구 프로젝트(번호: 252102210007)의 지원을 받았다.

허난공과대학교 연구진이 유전자 전사를 제어하는 핵심 조절 구조인 크로마틴 루프를 식별하는 새로운 계산 프레임워크 'TM-Loop'를 개발했다. 이 방식은 3D 게놈 구조를 연구하는 기술인 10 kb Hi-C 접촉 행렬을 기본 데이터로 사용하며, 여기에 ATAC-seq 및 CTCF ChIP-seq 신호를 통합해 샘플 불균형을 해결한 가중치 기반 특징 시스템을 구축했다. 특히 트랜스포머 기반 딥러닝 모델을 도입해 멀티헤드 어텐션 메커니즘으로 유전체 내의 전역적, 국소적 특징 의존성을 동시에 포착한다.

TM-Loop는 낮은 신호 대 잡음비와 높은 데이터 희소성을 가진 기존 3D 게놈 도구의 한계를 극복했다. 이 시스템은 이중 임계값 필터링 과정과 앵커 가이드 클러스터링을 포함하여 허위 신호를 효과적으로 제거하고 오탐지율을 낮췄다. 검증 실험에서 APA, 단백질 농축, 3D 구조적 일관성 등의 벤치마크 전반에서 최신 방법론들을 앞섰다. 연구 결과는 2026년 6월 11일 'Scientific Reports'에 게재되었으며, 소스 코드는 GitHub를 통해 공개되었다. 본 프로젝트는 허난성 과학기술부 연구 프로젝트(번호: 252102210007)의 지원을 받았다.