Update README.md

README.md

-# 论文
 
-Higashi: Multiscale and integrative scHi-C analysis
+# Higashi
+
+## 论文
+
 https://doi.org/10.1038/s41587-021-01034-y
 
-# 模型结构
+## 模型结构
 
 
 Higashi使用超图神经网络来揭示这个构造的超图中的高阶交互模式。Higashi可以为scHi-C制作嵌入物，用于下游分析。Higashi可以输入单细胞Hi-C接触图谱，从而能够以单细胞分辨率详细表征3D基因组特征，如TAD样结构域边界和A/B区分数。
@@ -11,15 +13,15 @@ Higashi使用超图神经网络来揭示这个构造的超图中的高阶交互
 ![Alt text](./image/image.png)
 
 
-# 算法原理
+## 算法原理
 
 Higashi的关键算法设计是将scHi-C数据转换为超图。这种转化保留了scHi-C接触图谱的单细胞分辨率和3D基因组特征。具体来说，嵌入scHi-C数据的过程现在相当于学习超图的节点嵌入，输入scHi-C接触图就变成了预测超图中缺失的超边。在Higashi，我们使用我们最近开发的Hyper-SAGNN架构22，这是一个通用的超图表示学习框架，专门针对scHi-C分析进行了大量的新开发
 
 ![Alt text](./image/image-1.png)
 
 
-# 环境配置
-Docker(方式一)
+## 环境配置
+### Docker(方式一)
 推荐使用docker方式运行，提供拉取的docker镜像：
 
 ```
@@ -35,7 +37,7 @@ pip install -r requirements.txt  -i http://mirrors.aliyun.com/pypi/simple/ --tru
 python setup.py install
 ```
 
-Dockerfile(方式二)
+### Dockerfile(方式二)
 
 ```
 docker build -t higashi:latest .
@@ -51,7 +53,7 @@ python setup.py install
 ```
 
 
-Conda(方式三)
+### Conda(方式三)
 
 1.创建conda虚拟环境：
 
@@ -74,7 +76,7 @@ python setup.py install
 pip install -r requirements.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
 ```
 
-# 数据集
+## 数据集
 
 
 ```
@@ -90,36 +92,37 @@ cp -r ramani-et-ai/* /work/magroup/ruochiz/Data/scHiC_collection/ramani/
 ```
 
 
-# 测试
+## 训练
 
-##  结合测试数据和Higashi模型生成具备超图分析与接触图嵌入能力的demo
+结合测试数据和Higashi模型生成具备超图分析与接触图嵌入能力的demo
 
 ```
 python train.py 
 ```
+## 推理
+无
 
-# 精度
+## result
+
+### 精度
 
 bce:  0.5046, mse:  0.7233,  acc: 86.692 %, pearson: 0.590, spearman: 0.514, elapse: 27.894 s 
 
-# 应用场景
-## 算法类别
+## 应用场景
+### 算法类别
 ai for science
-# 行业
-科研
-
-# 热点应用行业
 
+### 热点应用行业
 
 科研  单细胞预测    基因预测
 
-# 源码仓库及问题反馈
+## 源码仓库及问题反馈
 
 http://developer.sourcefind.cn/codes/modelzoo/higashi.git
 
 
 
-# 参考资料
+## 参考资料
 
 
 https://github.com/ma-compbio/Higashi/