机器学习给染色质可及性数据质量打分

染色质可及性实验（如ATAC-seq）产生了大量bigWig格式的信号轨迹，广泛用于可视化和机器学习分析。然而，针对这些轨迹的系统质量控制方法尚不完善。研究人员提出了一种基于生物机制的质控框架，通过整合峰级信息、背景噪声估计和稳定基因组特征恢复，生成质量评分。该框架直接操作于bigWig文件，无需原始数据，有助于筛选高质量轨迹、提高下游分析的稳健性。该研究为预印本，尚未经过同行评审。