1086-ChromBERT：转录调控网络的基因组基础模型

ChromBERT 是一种专门为基因组研究设计的深度学习预训练基础模型，旨在解决转录调控网络（TRN）在特定细胞类型中数据稀疏的难题。该模型通过学习约一千种转录调节因子的相互作用语法，能够精准生成具有生物学解释性的基因组特征表示。研究表明，ChromBERT 在预测未见细胞类型的顺式调控组、微调增强子活性以及识别关键调控因子方面均表现优异。通过提示增强的微调技术，它不仅提升了由于实验数据缺失而受限的预测精度，还揭示了驱动细胞状态转换的关键机制。这一技术突破使研究者无需进行额外的 ChIP-seq 实验，即可在单细胞水平和多种生物背景下深入探索复杂的基因表达规律。

References:

• Yu Z, Yang D, Chen Q, et al. ChromBERT: A foundation model for learning interpretable representations for context-specific transcriptional regulatory networks[J]. Cell Genomics, 2026.