Hi-C 기술의 한계인 제한된 coverage로 인한 염색질 상호작용 빈도의 부정확한 추정 문제를 해결하기 위해, 본 논문에서는 심층 학습 기반의 새로운 방법인 HiCMamba를 제시한다. HiCMamba는 상태 공간 모델을 사용하여 Hi-C 접촉 지도의 해상도를 향상시키며, UNet 기반 오토인코더 구조에 전체론적 스캔 블록을 적용하여 다양한 스케일에서 전역 및 지역 수용 영역을 모두 고려한다. 실험 결과, HiCMamba는 기존 방법보다 성능이 우수하며 계산 자원을 상당히 절감하는 것으로 나타났다. 또한, HiCMamba로 복구된 접촉 지도에서 확인된 TADs와 루프 등의 3D 게놈 구조는 관련 후성유전체 특징을 통해 검증되었다. 이 연구는 상태 공간 모델이 Hi-C 해상도 향상 분야의 기본적인 프레임워크로서 잠재력을 가지고 있음을 보여준다.
