Еще одна история, уже из реггеномики. Исследовали много чего, но два вывода которые интересны:

1) В принципе про реггеномику:
чтоб "сломать" энхансер нужно очень мало мутаций. Чтоб усилить — больше. Это логично, ибо ломать сайт связывания легче, чем добавлять новый. А потенциал от усиления имеющегося ограничен.
2) Интересное по машинлернингу.
Берутся нативные последовательности и их пытаются моделью усилить. Делая одну замену за раз.
Если последовательность изначально не очень активна, то модель достаточно долгое время "угадывает", куда нужно мутировать.
А вот если последовательность активна, то модель уже после нескольких мутаций (хватит 2), начинает абсолютно неугадывать, что будет дальше происходить.

Первое и так было +- понятно из общих соображений. Но полезно иметь экспериментальное подтверждение.

А вот второе очень важный нюанс — ибо мы знаем, что для изолированных однонуклеотидных мутаций seq2activity модели как-то работают.
Так же мы знаем, что если если модель не видела последовательность в обучении, то и мутации в ней она будет предсказывать отстойно. Отсюда понятен дизайн клетспецифики тем же Ledidi, который накладывает штраф на отхождение от нативной последовательности.
Но был вопрос — а с какого числа мутаций модель начнет обманывать.
Нижняя оценка на ответ, оказывается, 2. Чудесно