pinellolab/DNA-Diffusion

🧬 Generative modeling of regulatory DNA sequences with diffusion probabilistic models 💨

What it solves

DNA-Diffusion 提供了一种生成特定细胞类型特异性合成调控 DNA 序列的方法。这允许研究人员创建人工 DNA 元件，以模拟特定生物学背景下真实调控区域的特性。

How it works

该项目使用扩散概率模型来学习调控 DNA 序列的分布。它是在染色质可及区域（例如 DHS Index 数据集）的数据集上进行训练的，并且可以根据离散的细胞类型标签进行条件化，以生成新的、200bp 的合成序列。

Highlights

  • Cell-type specific generation: 可以生成针对特定细胞类型（例如 K562, HepG2）定制的序列。
  • Customizable data: 支持在用户提供的以制表符分隔的 DNA 序列数据集上进行进行训练。
  • Flexible sampling: 包含一个引导尺度参数，用于调整生成过程。
  • Pre-trained models: 通过 Hugging Face 提供模型检查点，以便立即进行序列生成。