2019年7月，研究组18级硕士生蓝恭强的论文《CROSS-CELL-TYPE PREDICTION OF TF-BINDING SITE BY INTEGRATING CONVOLUTIONAL NEURAL NETWORK AND ADVERSARIAL NETWORK》获《INTERNATIONAL JOURNAL OF MOLECULAR SCIENCES》期刊录用。

转录因子结合位点（TFBS）在基因表达调控中起重要作用。针对现有方法不能预测细胞类型中缺乏标注数据转录因子的不足，在考虑到转录因子在多种细胞类型中存在结合位点相互关联的情况，本文提出了一种融合卷积神经网络和对抗网络的跨细胞类型转录因子预测方法DANN_TF。该方法可以从源细胞类型标注数据中学习目标细胞类型特征的预测模型。DANN_TF由特征提取器、标签预测器和域分类器组成。特征提取器和域分类器构成对抗网络，用以确保所学习的特征是跨细胞类型的共同特征。DANN_TF在5种细胞类型中的5种转录因子（TF）共25种细胞-TF对上进行评估，并与不使用对抗网络的基线方法进行比较。对于数据增强方法和跨细胞类型预测方法，DANN_TF在大多数细胞-TF对上比基线方法表现更好。DANN_TF通过5种细胞类型中的其他13种转录因子（TF）进一步评估，总共65个细胞-TF对。结果显示，对于其中63个细胞-TF对，DANN_TF实现了比基线方法更高的AUC。这显示出DANN_TF可以学习到不同细胞类型的共同特征。

《International Journal of Molecular Sciences》是生物信息学领域的国际学术期刊。该期刊为SCI检索，IF 4.183，JCR一区。

论文信息：

LAN G, ZHOU J, XU R, ET AL. CROSS-CELL-TYPE PREDICTION OF TF-BINDING SITE BY INTEGRATING CONVOLUTIONAL NEURAL NETWORK AND ADVERSARIAL NETWORK[J]. INTERNATIONAL JOURNAL OF MOLECULAR SCIENCES, 2019, 20(14): 3425.