OrionSeeker/GeneX

Public

WeChat Login

Code Issues Pull requests Events Packages Insights

main

Branch

Tag

星觅

fix: update Dockerfile

12f48165

57 commits

.codebuddy
.vscode
DeepMethyGene
P34
files
scripts
.cnb.yml
.gitignore
Dockerfile
LICENSE
README.md
settings.jsonc

DeepMethyGene

基于深度学习的基因表达甲基化预测模型 | 论文复现与改进研究 | by GeneX Team

项目简介

本项目是 GeneX Team 的生物信息学课程研究报告，复现并改进 BMC Bioinformatics 2025 发表的 DeepMethyGene 论文。

原始论文信息

项目	内容
论文标题	DeepMethyGene: a deep-learning model to predict gene expression using DNA methylations
发表期刊	BMC Bioinformatics (2025)
基线性能	R² = 0.640 (5折交叉验证)
核心方法	CNN + ResNet 架构，利用 DNA 甲基化预测基因表达

项目目标

复现基线模型 – 完整复现 DeepMethyGene，验证原论文 R² ≈ 0.640
多模型对比 – 实现 Random Forest、SVM、Deep Forest 等对比方法
提出改进方案 – 整合基因组上下文特征 + SE 注意力机制
性能验证 – 通过消融实验验证改进效果

第一部分：geneEXPLORE 与 DeepMethyGene（原论文方法）对比

1. geneEXPLORE 方法简介

geneEXPLORE 是一种统计机器学习模型（基于弹性网络 / SVM / 随机森林）。
创新点：首次强调长距离 DNA 甲基化对基因表达的调控作用。
局限性：
- 输入维度固定，无法适应不同基因附近甲基化位点数目的差异。
- 传统线性模型难以捕捉甲基化与表达之间的复杂非线性关系。
- 预测精度有限（5折交叉验证 R² = 0.449）。

2. DeepMethyGene（原论文方法）的改进

改进点	具体方案	效果
自适应输入结构	根据基因附近甲基化位点数量动态调整卷积层通道数	灵活适应不同基因
深度学习架构	一维 CNN + 残差网络（ResNet），解决深层网络梯度消失问题	可训练更深网络
数据分布优化	将甲基化 β 值转换为 M 值，近似正态分布	提高模型稳定性
预测性能	5折交叉验证 R² = 0.640，比 geneEXPLORE 提升 +42.5%	显著更准

3. 性能详细对比

模型	平均 R²	在 13,982 个基因中优于对方基因数
geneEXPLORE	0.449	248 个（1.8%）
DeepMethyGene	0.640	13,734 个（98.2%）

第二部分：我们小组（GeneX Team）的进一步改进

在完全复现 DeepMethyGene 的基础上，我们提出以下改进方向。

改进一：特征增强 – 整合基因组上下文信息

原始输入	补充特征
仅甲基化 M 值	+ CpG 岛密度 + 甲基化位点距 TSS 距离 + 区域类型

改进二：注意力机制 – 引入 SE 模块

在残差块后插入 SE 通道注意力模块，自动学习每个甲基化通道的权重。

改进三：跨癌种泛化测试

原始论文	我们的扩展
主要在 BRCA 上训练测试	额外在 LUAD、COAD、GBM 上评估

核心成果（预期）

模型 / 方法	预期 R²	说明
geneEXPLORE（基准）	0.449	传统方法
DeepMethyGene（复现）	0.640	原论文结果
DeepMethyGene + 特征增强	0.655 ~ 0.670	待验证
DeepMethyGene + SE 注意力	0.660 ~ 0.680	待验证
两者组合	0.670 ~ 0.690	待验证

项目架构

DeepMethyGene/
├── Model/                              # 模型代码
│   ├── DeepMethyGene.py                # 主模型 (CNN + ResNet)
│   ├── Random Forest.py                # 随机森林
│   ├── SVM.py                          # 支持向量机
│   ├── Deep Forest.py                  # 深度森林 (gcForest)
│   ├── cascade_forest.py               # gcForest 实现
│   └── geneEXPLORE.r                   # geneEXPLORE 基线 (Elastic Net)
├── data/
│   ├── gene_list.csv                   # 13,982 个基因列表
│   ├── hg19_promoter.txt               # 启动子坐标 (hg19)
│   └── BCRA_Data/                      # 预处理产物与脚本
│       ├── BRCA_data_meth.csv          # 甲基化矩阵 (394K × 873)
│       ├── BRCA_data_meth_range.csv    # 探针基因组坐标
│       ├── need_gene_exp_13988(13982).csv  # 表达矩阵 (17K × 873)
│       ├── BRCA.data.Rdata             # R 数据对象 (geneEXPLORE 用)
│       ├── probe.per.promoter_BRCA.Rdata  # 探针-启动子映射
│       ├── step*.R                     # 预处理分步脚本
│       └── BRCADataProcessing.md       # 预处理说明
├── file/                               # 论文材料 + 依赖清单
│   ├── paper.md                        # 论文原文
│   ├── install_r_packages.R            # R 最小依赖安装
│   └── requirements.txt               # Python 依赖
├── result_r/                          # 各模型输出结果
│   ├── DeepMethyGene.txt
│   ├── DeepForest.txt
│   ├── SVMnormal.txt
│   ├── RandomForestnormal.txt
│   └── geneExplorer_5fold.csv
└── DeepMethyGene.md                    # 项目使用说明

技术栈

类别	工具	版本
操作系统	Ubuntu	24.04 LTS
Python	CPython + UV	3.12
R	R Core	4.6
深度学习	PyTorch (CPU)	2.12
生物信息学	Bioconductor	3.23

快速开始

环境要求

Docker (推荐，使用项目 Dockerfile 构建)
或 Python 3.12 + R 4.6

安装依赖

# Python 依赖
uv pip install -r DeepMethyGene/file/requirements.txt

# R 依赖 (最小集，仅 DeepMethyGene 需要)
Rscript DeepMethyGene/file/install_r_packages.R

# R 完整环境 (Docker 构建用)
bash scripts/R.sh

使用方法

运行 Python 模型

cd /workspace/DeepMethyGene/Model

# DeepMethyGene (主模型)
/opt/venv/bin/python3 DeepMethyGene.py

# 随机森林
/opt/venv/bin/python3 "Random Forest.py"

# SVM
/opt/venv/bin/python3 SVM.py

# Deep Forest
/opt/venv/bin/python3 "Deep Forest.py"

运行 geneEXPLORE 基线 (R)

cd /workspace/DeepMethyGene/data/BCRA_Data
Rscript ../../Model/geneEXPLORE.r

重新生成数据

# 一键下载+预处理
bash scripts/download_and_preprocess.sh

# 或分步执行，详见 DeepMethyGene/data/BCRA_Data/BRCADataProcessing.md

项目结构

├── Dockerfile                       # Docker 容器镜像定义
├── README.md                        # 项目文档
├── settings.jsonc                   # VS Code 配置
├── scripts/                         # 辅助脚本
│   ├── R.sh                         # R 完整环境安装 (Docker 构建用)
│   ├── download_and_preprocess.sh   # 一键数据下载+预处理
│   ├── cleanup.sh                   # 实验结束清理数据
│   ├── init-claude.sh               # Claude Code 配置
│   └── init-codex.sh                # CodeX 配置
└── DeepMethyGene/                   # 核心项目目录
    ├── Model/                       # 模型代码
    ├── data/                        # 数据文件 + 预处理
    ├── file/                        # 论文 + 依赖清单
    ├── result_r/                   # 实验结果
    └── DeepMethyGene.md             # 项目使用说明