[口头报告]TRAPT: A novel deep learning framework for transcription regulators prediction via integrating large-scale epigenomic data

注册缴费酒店预订

重要日期
2025年3月28日

会议现场注册
2025年3月28日

会议开始时间
2025年3月28-30日

会议时间

[口头报告]TRAPT: A novel deep learning framework for transcription regulators prediction via integrating large-scale epigenomic data

TRAPT: A novel deep learning framework for transcription regulators prediction via integrating large-scale epigenomic data

编号：45 访问权限：仅限参会人更新：2025-03-25 14:18:27 浏览：58次口头报告

报告开始：2025年03月29日 14:30 （Asia/Shanghai）

报告时间：20min

所在会议：[S5] 一作面对面论坛（交叉） » [S5] 一作面对面论坛（交叉）

演示文件

提示：该报告下的文件权限为仅限参会人，您尚未登录，暂时无法查看。

摘要

我们提出了转录调控因子活性预测工具（TRAPT），这是一个多模态深度学习框架，通过学习和整合目标基因顺式调控元件和全基因组结合位点的调控潜力来推断调控因子活性。通过对570个TR相关数据集的实验结果表明，TRAPT在预测TRs方面优于现有方法，特别是在预测转录共因子和染色质调控因子方面。并且TRAPT成功识别了与疾病、遗传变异、细胞命运决定和组织相关的关键TRs。

关键字

报告人

张国锐

硕士研究生 南华大学附属第一医院

我本科毕业于哈尔滨医科大学医学信息学系，现为南华大学衡阳医学院生物物理学专业研究生，师从李春权教授。我的研究方向聚焦于转录调控相关算法研究，已在Nature Communications、Nucleic Acids Research、Briefings in Bioinformatics、Journal of Cellular and Molecular Medicine等国际权威期刊以第一作者或共同第一作者身份发表多篇学术论文。

[口头报告]TRAPT: A novel deep learning framework for transcription regulators prediction via integrating large-scale epigenomic data

TRAPT: A novel deep learning framework for transcription regulators prediction via integrating large-scale epigenomic data

摘要

关键字

报告人

张国锐

发表评论

全部评论