EvoAug：通过进化启发的数据增强，提高基因组 DNN 的泛化和可解释性

将 ScienceAI 设为星标第一时间掌握新鲜的 AI for Science 资讯编辑 | 萝卜皮深度神经网络（DNN）有望应用于功能基因组学预测，但它们的泛化能力可能会受到可用数据量的限制。为了解决这个问题，冷泉港实验室的研究人员提出了 EvoAug，这是一套受进化启发的数据增强，通过增加遗传变异来增强基因组 DNN 的训练。DNA 序列的随机转换可能会以未知方式改变其功能，因此研究人员使用原始未转换数据，并采用微调程序来保持功能完整性。结果表明，EvoAug 显著提高了已建立的 DNN 在突出的监管基因组学预测任务中的泛化和可解释性，为基因组 DNN 提供了强大的解决方案。该研究以「EvoAug: improving generalization and interpretability of genomic deep neural networks with evolution-inspired data augmentations」为题，于 2023 年 5 月 5 日发布在《Genome Biology》。揭示顺式调控元件及其协调 ………………………………