Terrier: un clasificador de repetición de aprendizaje profundo

Área de la Ciencia:

• La genómica
• La bioinformática
• Biología evolutiva

Sus antecedentes:

• Las secuencias repetitivas de ADN son cruciales para la estructura y la evolución del genoma, pero son difíciles de clasificar con precisión.
• Los métodos actuales de anotación repetida sufren de una pobre representación taxonómica en las bases de datos, lo que limita la precisión y la reproducibilidad.
• Comprender el ADN repetitivo es clave para descifrar la evolución y la función del genoma.

Objetivo del estudio:

• Para introducir Terrier, un modelo de aprendizaje profundo para la clasificación precisa de las secuencias de ADN repetitivas.
• Superar las limitaciones de los métodos actuales de anotación repetida, especialmente con respecto a la representación taxonómica.
• Proporcionar un sistema de clasificación completo para el ADN repetitivo.

Principales métodos:

• Terrier utiliza un enfoque de aprendizaje profundo entrenado en la base de datos Repbase, que contiene más de 100,000 familias de repetición.
• El modelo asigna secuencias al esquema RepeatMasker, logrando una alta precisión de clasificación.
• El rendimiento se comparó con las herramientas existentes (DeepTE, TERL, TEclass2) en organismos modelo y se validó en especies no modelo.

Principales resultados:

• Terrier logró una precisión superior en la clasificación de secuencias de ADN repetitivas en comparación con los métodos existentes en organismos modelo.
• El modelo mapeó con éxito el 97,1% de las secuencias de Repbase a las categorías de RepeatMasker, lo que demuestra una clasificación completa.
• Terrier mejoró efectivamente la clasificación de repetición en especies no modelo, incluidos anfibios, gusanos planos y krill.

Conclusiones:

• Terrier ofrece un avance significativo en la clasificación precisa de las secuencias de ADN repetitivas.
• Su enfoque de aprendizaje profundo y datos de capacitación integrales mejoran la comprensión de la evolución y la función de la repetición.
• La eficacia del modelo en organismos no modelo facilita una investigación y un descubrimiento genómicos más amplios.