论文标题：

MuSE-Promoter: a multi-scale feature fusion and weighted ensemble learning method for identifying promoters across multiple cell lines

期刊：Molecular and Digital Medicine

作者：Xiao Bi, Zhangyu Mei & Hao Wu

发表时间：15 May 2026

DOI：10.1016/j.mdmed.2026.100002

正文：

由山东大学主办，山东大学科技期刊社与科爱（KeAi）公司合作出版的全英文学术期刊Molecular and Digital Medicine（MDMED）首篇研究论文：MuSE-Promoter: a multi-scale feature fusion and weighted ensemble learning method for identifying promoters across multiple cell lines正式在线发表。本文为MDMED上线后首篇Research Article，标志期刊全流程出版体系成熟，常态化出版运营全面启动。

该论文由山东大学吴昊教授团队完成，提出MuSE-Promoter——面向跨细胞系、高精度、强鲁棒的启动子识别新框架。

原文链接：

https://www.sciencedirect.com/science/article/pii/S3117702626000022

引用文本：

Xiao Bi, Zhangyu Mei, Hao Wu. MuSE-Promoter: a multi-scale feature fusion and weighted ensemble learning method for identifying promoters across multiple cell lines. Molecular and Digital Medicine 2026, 1(1): e100002. DOI: 10.1016/j.mdmed.2026.100002

扫描查看原文：

核心创新

1. 多模态特征融合

隐式语义嵌入：利用预训练DNABERT模型和Word2Vec捕捉DNA序列中的“语法”和k-mer共现模式。显式生物物理特征：手工设计的TPCP（三核苷酸理化性质）和RCKmer（反向互补k-mer频率），分别编码DNA结构可变形性和链对称性。两者结合，形成“白盒+黑盒”互补表征。

2. 多尺度CNN + SE注意力

并行使用1、3、7、11四种卷积核，同时捕获短、中、长转录因子结合位点。引入Squeeze-and-Excitation通道注意力，自适应增强信息通道、抑制噪声。

3. Transformer长程依赖建模

在CNN提取局部特征后，堆叠Transformer编码器，通过自注意力机制捕捉全序列范围内的远程相互作用与组合调控逻辑。

4. 可学习加权集成学习

深度学习分支输出P_NN。随机森林（仅用人工特征）输出P_RF。

最终预测P_Final= α·P_RF+1 − α·P_NN，其中α在验证集上联合优化。

融合了深度网络的高容量与传统机器学习的鲁棒性。

临床意义

MuSE-Promoter通过融合DNA语义特征与生物物理描述符，显著提高了跨细胞系和跨物种的启动子识别准确率。该模型在启动子-增强子区分以及跨细胞系迁移预测等挑战性任务中表现稳健，为解析组织特异性转录调控机制和发现新型调控元件提供了高效、可靠的计算工具。

主要结果

1. 消融实验

模块消融：完整MuSE-Promoter显著优于单独RF或单独DL骨干（p < 0.05），证明加权集成策略有效提升了稳定性和准确率。

特征消融：删除任一特征（如DNABERT、TPCP）均导致性能下降，证实多模态融合的必要性。

2. 基准测试

在4个人类细胞系（GM12878, HeLa-S3, HUVEC, K562）和拟南芥TATA/非TATA启动子数据集上，MuSE-Promoter在AUC、ACC、MCC三项指标上一致领先：AUC最高达0.9967（拟南芥TATA）；ACC保持在0.9308–0.9786。

3. 跨细胞系泛化验证

训练一个细胞系，测试其余三个细胞系。

平均AUC = 0.9911，平均MCC = 0.9216，比iPro-WAEL高+6.26%。

即使在最难转移的HUVEC（血管内皮细胞）上，AUC仍> 0.985，表明模型学到了可迁移的调控模式而非细胞系特异性噪音。

4. 启动子-增强子区分

将增强子作为负样本，启动子作为正样本，这是一个极具挑战的“近亲区分”任务。

MuSE-Promoter在K562上取得显著提升，在HUVEC上保持更高AUC和MCC，表现出更优的区分细微调控逻辑的能力。

5. 可视化与可解释性

PCA降维：启动子与非启动子样本形成明显分离的簇，且在HUVEC上重叠较小——与定量结果一致。

SHAP特征贡献：Word2Vec和Mismatch特征贡献最大，DNABERT在HUVEC中贡献显著升高，提示不同细胞系对长程语义信息的依赖不同。

Motif重要性：CGA、RCKmer、CC等motif在多个细胞系中高度保守，而ACGCG仅在K562中显著，反映模型捕获了细胞类型特异性调控语法。

结论与展望

MuSE-Promoter通过多模态特征+多尺度CNN-SE-Transformer +加权深度-浅层集成，在跨细胞系、跨物种、启动子-增强子区分等任务上均达到最先进水平。模型不仅准确率高，而且具备良好的生物学可解释性，能够揭示保守和特异的调控基序。未来将整合多组学信号（染色质可及性、组蛋白修饰）并拓展至增强子-启动子互作预测等任务。

作者简介

期刊信息 欢迎投稿

Molecular and Digital Medicine《分子与数字医学（英文）》（简称MDMED，ISSN 3117-7026）是由山东大学主办，山东大学科技期刊社与科爱（KeAi）公司合作出版的全英文学术期刊。

期刊发文范围包括但不限于肿瘤诊断与数字健康整合、分子医学与人工智能数字健康技术、分子与数字技术的融合、临床应用与转化医学、基因组学和大数据等相关领域。

期刊采用连续出版模式、开放获取，文章出版费及英文润色限时免费（2026—2028）。

期刊官网：https://www.keaipublishing.com/en/journals/molecular-and-digital-medicine/

ScienceDirect平台：https://www.sciencedirect.com/journal/molecular-and-digital-medicine/

编辑部邮箱：mdmedicine@sdu.edu.cn

微信公众号：MD-Medicine