24、染色质接触域识别与COVID - 19药物靶点预测研究

染色质接触域识别与COVID - 19药物靶点预测研究

1. 染色质接触域识别

在对人类淋巴母细胞系GM12878的研究中，采用了基于图的简单算法来识别个体间的拓扑相关结构域（TADs）。以下是三种基于图的算法与真实情况对比的准确性：
| 算法 | 准确性 |
| — | — |
| 模块化最大化 | 0.994 |
| 马尔可夫聚类 | 0.621 |
| k - 团渗流 | 0.951 |

这些算法各有其特点和适用场景。模块化最大化算法准确性极高，可能在对精度要求极高的场景中表现出色；马尔可夫聚类准确性相对较低，但它可能在某些特殊的聚类需求中发挥作用；k - 团渗流算法准确性也较高，在平衡精度和效率方面可能有一定优势。

从图中还发现，染色质中有时存在由非常远距离部分组成的相互作用，例如从染色质起始端到几乎末端的相互作用。这很可能是某些创建的聚类非常长，几乎跨越整个染色质的原因。这也引发了思考，在寻找结构域时，这些长边缘是否是偶然产生的，是否应该过滤掉。

2. COVID - 19药物靶点预测

2.1 背景与动机

新冠疫情对人类健康造成了严重威胁，目前虽有一些治疗其他疾病的药物在治疗COVID - 19方面似乎有效，但缺乏明确支持。开发新药物主要依赖三种策略：
1. 测试现有抗病毒药物 ：如环孢素、利巴韦林等。优点是药物剂量、可能效果和副作用已知，因为这些药物已被批准用于病毒感染。但缺点是它们可用于广泛的病毒感染，可能对冠状病毒等特定病毒感染无效，且在这种特定感染中的未知副作用不能忽视。
2.