Clasificación de secuencias de consenso de elementos transponibles basada en Transformer con TEclass2

Área de la Ciencia:

• Genómica
• Bioinformática
• Biología Computacional

Sus antecedentes:

• Los elementos transponibles (TE) son abundantes en los genomas eucariotas y son fundamentales para la evolución del genoma.
• La naturaleza compleja de las secuencias de TE desafía la clasificación precisa y el análisis genómico.
• Las herramientas actuales de clasificación de TE presentan limitaciones en fiabilidad y alcance.

Objetivo del estudio:

• Desarrollar una herramienta de software novedosa, precisa y fiable para clasificar secuencias de consenso de elementos transponibles (TE).
• Mejorar la eficiencia y precisión de la anotación genómica abordando los desafíos en la identificación de TE.
• Proporcionar una plataforma flexible para la clasificación de TE adaptable a conjuntos de datos personalizados.

Principales métodos:

• Se desarrolló TEclass2, una herramienta de software que utiliza un enfoque de aprendizaje profundo.
• Se empleó una arquitectura Transformer lineal con tokenización k-mer y adaptaciones específicas de secuencia.
• Se implementaron capacidades flexibles de entrenamiento de modelos para conjuntos de datos de TE personalizados.

Principales resultados:

• TEclass2 logró un rendimiento de clasificación mejorado para secuencias de consenso de TE en dieciséis superfamilias.
• El software demostró una mayor fiabilidad en comparación con las herramientas de clasificación de TE existentes.
• Se proporcionó una interfaz web con modelos preentrenados para una clasificación rápida de TE.

Conclusiones:

• TEclass2 ofrece un avance significativo en la clasificación precisa y rápida de elementos transponibles.
• La herramienta mejora la precisión de la anotación genómica y apoya la investigación bioinformática futura.
• TEclass2 proporciona una solución robusta para analizar el complejo panorama de los TE en genomas eucariotas.