整合多类特征的XGBoost与CNN模型，能更准确地预测细胞类型特异性和共享的结合位点。
Zhang, Qinhu · Pengrui, Teng · Wang, Siguo · He, Ying · Zhen, Cui · Zhenghao, Guo · Yixin, Liu · Changan, Yuan · Qi, Liu · 黄德双
Bioinformatics 2023
XGBoost和CNN模型整合序列、染色质和3D特征，在三个分类任务上均显著优于其他方法。
通过SHAP值识别特征贡献，揭示不同特征的相对重要性；CNN模型可通过包含或排除DNase信号评估其影响。
在相同细胞环境下，模型对不同结合因子具有泛化能力，减少了对每种因子单独训练的依赖。