一个0.23M参数模型通吃五类DNA碱基修饰：无需未修饰对照，5hmU也能检出
核心概要
马里兰大学等团队发布的RawMod把每个位点上多条读段的纳米孔原始信号堆叠起来，与参考序列的预期信号逐位比较，用单个0.23M参数模型判断该位点是否存在修饰，而不区分修饰类型。在覆盖5mC、5hmC、4mC、6mA和5hmU五类修饰、跨细菌、噬菌体、植物、小鼠、人类与合成DNA的15个数据集上，它的平均AUROC为0.964，已发表模型中最高者为Dorado 4mC+5mC的0.799。它不需要同一样本的未修饰对照，但训练中未出现的修饰类型只有在同一碱基的另一种修饰参与训练时才能零样本迁移。
深度剖析
一个模型就能判断基因组位点上是否存在碱基修饰，不必事先知道是哪种修饰，也不必为每个样本另测一份去掉修饰的对照。 已发表的监督式调用器只识别训练过的修饰类型，比较式调用器则依赖同一样本经PCR或全基因组扩增去除修饰后的基线。 在留出的基因组区域、每位点统一取10条读段评分时，RawMod在五类修饰上的平均AUROC为0.964，Dorado 4mC+5mC为0.799，四个Dorado模型合并为0.899且不含5hmU；RawMod最弱的5hmU为0.930，而已发表模型最弱类型不超过0.503。
做法是把一个位点周围多条读段的原始电流信号排成堆叠，让模型直接看信号相对参考序列的偏离。 卷积编码器逐行把每条读段（含参考行）压成一个96维向量，跨读段注意力再把这些向量汇成位点向量，线性头给出该位点被修饰的概率。 训练同时使用分类、监督对比和深度半监督异常检测三个目标，并先在修饰与未修饰共享同一序列的成对位点上训练、再用全部数据训练；整套模型只有230,697个参数。
启示与展望
评估覆盖细菌、噬菌体、植物、小鼠、人类和合成DNA共15个数据集上的5mC、5hmC、4mC、6mA与5hmU五类修饰，所有评分位点都位于训练时留出的基因组区域。5hmU图谱只针对Amphidinium carterae的contig_3762（7.73 Mb）上至少10条读段覆盖的正链胸腺嘧啶，所用模型未见过该基因组。
零样本迁移只在同一碱基的另一种修饰留在训练中时出现：5hmC、5mC和4mC可检出，而6mA与5hmU不迁移，AUROC分别为0.594和0.497。5hmU需约3,000个标注位点重新训练才达到0.82，微调为0.72；分数不是校准过的修饰比例，也不能命名修饰类型。甲藻图谱基于草稿组装、人工注释基因、5.4%的中位读段错误率，且对照的是另一株系的已发表结果，因此按特征类别而非位置比较。