Dbert2_LR: Un modelo basado en aprendizaje profundo para predecir elementos cis-regulatorios en cultivos

Área de la Ciencia:

• Genómica
• Bioinformática
• Biología Computacional

Sus antecedentes:

• Los elementos cis-regulatorios (CREs) controlan la expresión génica y son vitales para los rasgos agronómicos.
• Identificar CREs en genomas de cultivos grandes y repetitivos como el algodón es difícil.

Objetivo del estudio:

• Desarrollar un marco de aprendizaje profundo de alta precisión para identificar CREs en genomas de cultivos.
• Mejorar la anotación funcional de genomas complejos de plantas.

Principales métodos:

• Desarrollamos Dbert2_LR, un modelo híbrido de aprendizaje profundo que integra DNABERT-2 con redes RNN y LSTM.
• Aplicamos el modelo a Arabidopsis thaliana y al algodón de tierras altas para la clasificación de CREs.
• Realizamos mutagénesis de saturación in silico (ISM) para la interpretabilidad del modelo.

Principales resultados:

• Dbert2_LR logró una alta precisión en la clasificación de promotores, potenciadores y secuencias no regulatorias.
• Superó a los modelos de referencia con puntuaciones F1 promediadas macro de 0,890 (Arabidopsis) y 0,637 (algodón).
• El análisis ISM confirmó la interpretabilidad biológica, vinculando las predicciones con motivos conocidos de unión a factores de transcripción.

Conclusiones:

• Dbert2_LR es una herramienta poderosa para la anotación funcional de genomas de cultivos.
• El estudio facilita el diseño de mejora molecular basada en CREs para rasgos de cultivos mejorados.