来源于SCREEN网址：
https://screen.wenglab.org/
GWAS和cCRE的关系
GWAS 告诉你“哪个变异和性状/疾病有关”，cCRE 告诉你“这个变异可能通过哪个调控元件起作用”。
什么是SCREEN？
Search Candidate Regulatory Elements by ENCODE。它是一个用来查询、可视化和下载基因组调控元件注释的平台，核心是看cCREs（candidate cis-Regulatory Elements，候选顺式调控元件），比如增强子、启动子一类的调控区域。它支持human 和 mouse，可以按gene、cCRE、variant、GWAS、genomic locus来搜索。(screen.wenglab.org)
更具体地说，它主要是帮你做这些事：
查某个基因附近有哪些调控元件
看某个变异（比如 rs 位点）是否落在调控元件上
看这些调控元件在不同细胞/组织中的活性
把 cCRE 和 TF binding、染色质状态、3D genome interaction、gene expression 等信息联动起来看(screen.wenglab.org)
它背后的数据来自ENCODE。SCREEN 里最核心的是ENCODE Registry of cCREs，也就是 ENCODE 整理出的全基因组候选调控元件目录。这些 cCRE 是根据染色质可及性、组蛋白修饰、转录因子结合等实验信号定义出来的。(screen.wenglab.org)
它特别适合这些场景：
你手里有一个变异，想看它是不是可能影响调控
你研究一个gene，想看附近有哪些 enhancer / promoter
你做GWAS / eQTL / 非编码变异功能解释
你想下载一整套human/mouse cCRE 注释文件做下游分析 (screen.wenglab.org)
NT对于增强子是怎么处理的呢？
可以把这套 enhancers / enhancers_types 数据处理理解成 5 步。
1. 先从 SCREEN 拿“增强子候选区域”
这里的 SCREEN 不是序列库，而是一个人类调控元件数据库。
它里面有很多 cCRE 注释，其中和增强子最相关的两类通常是：
- dELS: distal enhancer-like signature
- pELS: proximal enhancer-like signature
2. 再用 Meuleman 的 DHS vocabulary 给 enhancer 分成两类
这一步是这段话里最关键的地方。
他们拿这些 enhancer 去和Meuleman et al. 的 DHS Index / Vocabulary做重叠判断：
- 如果某个 enhancer 和 Meuleman 里被标成 Tissue invariant 的区域有重叠
- 就把它定义为 tissue-invariant enhancer
- 否则
- 就定义为 tissue-specific enhancer
3. 把可变长的 enhancer 区域变成固定长度 400bp 窗口
SCREEN 里的 enhancer 区域长度本来不是固定的。
但模型输入需要固定长度，所以 NT 不会直接把原始 enhancer 区间喂进去，而是会变成固定长度的 400bp genomic sequences containing enhancers。
意思就是：
- 只要某个 400bp 基因组窗口里包含 enhancer
- 这个 400bp 窗口就可以作为正样本
你本地文件里也能看出来这一点，比如 enhancers/test.fna (line 1) 的头信息是：
- chr21:25717456-25717856|1
这个窗口长度正好就是 400bp。
4. 负样本是“不和 enhancer 重叠”的 400bp 窗口
README 里写的是：
- positive: 400bp genomic sequences containing enhancers
- negative: all 400bp sequences not overlapping enhancers
所以负样本不是“没有组织标签的 enhancer”，而是：
- 纯粹不和任何 enhancer 重叠的 400bp 窗口
也就是 none 类。
5. 基于同一批 400bp 窗口，构造两个任务
这一步特别重要。
我刚核了你本地数据，enhancers 和 enhancers_types 基本上是同一批坐标窗口，只是标签体系不同：
- enhancers
- 二分类
- 1 = enhancer
- 0 = none
- enhancers_types
- 三分类
- tissue-specific enhancer
- tissue-invariant enhancer
- none
从你本地 released 数据里可以直接看出它们是对应的：
- enhancers 训练集：15006 个正样本 + 14994 个负样本
- enhancers_types 训练集：13922 + 1084 + 14994
这里：
- 14994 恰好和 enhancers 的负样本数完全一样
- 13922 + 1084 = 15006，刚好等于 enhancers 的正样本数
需要下载什么？
点击以后再处理就好了
