生物学背景
==========

切换语言: :doc:`../en/BiologicalBackground`

增强子-启动子相互作用（Enhancer-Promoter Interaction, EPI）预测是一个围绕
远程基因调控展开的序列建模任务。增强子是能够提升目标基因转录活性的顺式
调控元件，启动子则位于转录起始位点附近，负责招募转录机器。两者之间的
协调作用决定了细胞类型特异性的基因表达程序，也是发育、分化、疾病和非编码
变异解释中的关键环节。

为什么这个问题重要
+++++++++++++++++++

- Hi-C、ChIA-PET、Capture-C 等三维基因组实验信息量高，但成本高、流程复杂，
  且并非每个细胞系都能容易获得。
- 如果能够仅凭 DNA 序列预测潜在的 EPI 关系，就可以为调控元件筛选、功能验证、
  致病变异定位和下游实验设计提供优先级线索。
- 这个任务也很适合作为序列模型比较平台，用来观察 CNN、BiLSTM、Transformer、
  Mamba、RWKV、mLSTM 以及 DNA 大语言模型在调控基因组学上的表示能力差异。

任务本质
++++++++

这个问题不是简单的 motif 检测，而是多层次信号建模：

- 局部碱基组成与序列模式；
- 与转录因子结合、染色质状态相关的调控 motif；
- 增强子与启动子之间的配对关系与互补性；
- 长距离上下文依赖及更高阶的序列表征。

输入与输出
++++++++++

每个样本由一对 DNA 序列构成：

- enhancer 序列；
- promoter 序列。

模型输出为二分类标签：

- ``1`` 表示存在相互作用；
- ``0`` 表示不存在相互作用。

当前实现支持三种主要输入表示：

- one-hot 编码；
- k-mer token 编码；
- 预计算的 DNA LLM embedding。

项目定位
++++++++

当前仓库是在原始 DeepChrInteract 基础上的现代化重构。旧版 Keras/TensorFlow
实现被保留在 ``DeepChrInteract-main(old)/`` 中，作为方法脉络与历史参考。
新仓库使用 PyTorch 重建训练与评估流程，移除了 PNG 中间表示，扩展为 14 种
编码器模型，并统一了实验配置、结果输出和文档组织。

.. image:: ../img/div.png