任务自适应多任务学习
该模型通过任务自适应参数共享和可解释性设计，在跨细胞类型增强子活性预测中优于现有方法，并能从数据、架构和算法层面揭示增强子语法。
Liu, Yuhang · Wang, Ziyuan · 朱桂全 · 张永清
Briefings in Bioinformatics 2023
TAPS先训练共享模型，再通过任务特定子层适配，小数据集也能获得高质量预测。
通过事后解释从数据、模型架构和算法三个角度揭示预测机制，增强了对模型决策和增强子语法的理解。
算法可同时利用DNA序列和表观修饰信息，获得比仅用序列更高的预测准确性。