近日，華中農(nóng)業(yè)大學(xué)玉米團(tuán)隊(duì)在Plant Biotechnology Journal期刊上發(fā)表題為“PlantCTCIP: Chromatin Interaction Prediction using Convolutional Neural Network and Transformer in Plants”的研究成果。華中農(nóng)業(yè)大學(xué)信息學(xué)院博士研究生王振業(yè)（現(xiàn)河南農(nóng)業(yè)大學(xué)青年教師）、碩士研究生周思妤和已畢業(yè)本科生郭澤為論文共同第一作者。華中農(nóng)業(yè)大學(xué)信息學(xué)院、作物遺傳改良全國重點(diǎn)實(shí)驗(yàn)室劉建曉教授和作物遺傳改良全國重點(diǎn)實(shí)驗(yàn)室博士后彭勇為該研究工作共同通訊作者。

該研究開發(fā)了一種基于Convolutional Neural Network and Transformer的植物（玉米、水稻、棉花和小麥等）染色質(zhì)交互預(yù)測模型PlantCTCIP。在基因啟動(dòng)子近端交互(PPIs)和基因與遠(yuǎn)端調(diào)控元件交互(PDIs)兩種模式下，PlantCTCIP比現(xiàn)有模型的AUC均值分別提高了14.56%和9.6%?；赑lantCTCIP模型，該研究構(gòu)建了四個(gè)作物的全基因組染色質(zhì)互作圖譜，挖掘了影響染色質(zhì)交互的重要基序。研究發(fā)現(xiàn)，影響染色質(zhì)互作的基序及其轉(zhuǎn)錄因子協(xié)同網(wǎng)絡(luò)呈現(xiàn)顯著的物種特異性。進(jìn)一步，研究團(tuán)隊(duì)將已克隆的基因（ZmRAVL1, ZmRPG, GaFZ等）作為實(shí)例，結(jié)合染色質(zhì)構(gòu)象捕獲實(shí)驗(yàn)（3C）得到PlantCTCIP，可以輔助識(shí)別遠(yuǎn)端元件調(diào)控的靶基因和挖掘功能位點(diǎn)。

PlantCTCIP在預(yù)測多植物染色質(zhì)相互作用方面的性能（以shoot數(shù)據(jù)集為例）