MUSS با ترکیب توالی DNA و داده‌های تک‌سلولی، تنظیم ژن را مدل‌سازی می‌کند

مدل‌سازی تنظیم ژن در سلول‌های منفرد مستلزم درنظرگرفتن هم‌زمان توالی DNA، دسترس‌پذیری کروماتین و بیان ژن است. پژوهشگران در مقاله‌ای با عنوان MUSS مدلی توالی‌محور و چندمقیاسی معرفی کرده‌اند که می‌کوشد اطلاعات توالی را در کنار وضوح سلولی حفظ کند؛ دو ویژگی‌ای که به‌گفتهٔ نویسندگان، در برخی رویکردهای پیشین جدا از هم دیده می‌شدند.

MUSS با یک رمزگذار توالیِ ازپیش‌آموزش‌دیده و ثابت، بازنمایی‌های مربوط به نواحی تنظیمی و ژن‌ها را از DNA می‌سازد. سپس این بازنمایی‌ها را با سازوکار توجه میان نواحی تنظیمی و تعامل میان نواحی و ژن‌ها ــ با درنظرگرفتن فاصله ــ ترکیب می‌کند. مدل ابتدا با روش «مدل‌سازی زبانیِ ماسک‌شدهٔ نواحی تنظیمی» آموزش می‌بیند و بعد با داده‌های جفت‌شدهٔ scATAC-seq و scRNA-seq با وضعیت‌های تنظیمی مختص هر سلول هم‌تراز می‌شود.

طبق چکیدهٔ مقاله، MUSS در پیش‌بینی بیان ژن، پیوند enhancer به ژن، اولویت‌بندی تنظیمی با راهنمایی motif و خوشه‌بندی سلول‌ها به‌صورت zero-shot، در مقایسه با مدل‌های توالی‌محور و مدل‌های داده‌های اُمیکس تک‌سلولی عملکرد قوی داشته است. نویسندگان همچنین می‌گویند مدل می‌تواند بیان ژن‌ها و نواحی تنظیمی‌ای را پیش‌بینی کند که هنگام آموزش وظیفه در داده‌ها حضور نداشته‌اند. چکیده جزئیات عددی نتایج را ارائه نمی‌کند.

این مقاله در arXiv منتشر شده و در اطلاعات آن به‌عنوان مرجع مجله‌ای، NeurIPS 2026 ذکر شده است. کد، مجموعه‌داده‌ها و وزن‌های مدل نیز، بنا بر مقاله، در دسترس‌اند.