Mamba6mA: Un modelo de predicción de sitios de N6-metiladenina de ADN basado en Mamba

Área de la Ciencia:

• Epigenética
• Bioinformática
• Biología Computacional

Sus antecedentes:

• La N6-metiladenina (6mA) es una modificación epigenética crucial del ADN que regula la expresión génica y está implicada en enfermedades como el cáncer.
• Los métodos experimentales actuales para identificar sitios 6mA son costosos, requieren mucho tiempo y tienen limitaciones en cuanto a precisión y calidad de la señal.
• Los modelos de aprendizaje profundo muestran una gran promesa para la predicción de sitios 6mA, pero requieren una mejora de las capacidades de generalización.

Objetivo del estudio:

• Desarrollar un novedoso modelo de aprendizaje profundo, Mamba6mA, para la predicción precisa de sitios de N6-metiladenina (6mA) de ADN.
• Mejorar la capacidad de generalización y el rendimiento de los modelos de predicción de sitios 6mA.

Principales métodos:

• Se desarrolló Mamba6mA, un novedoso modelo inspirado en el modelo de espacio de estados Mamba.
• Se implementaron capas lineales específicas de posición para capturar información posicional.
• Se integró un módulo de extracción de características multiescala utilizando ventanas deslizantes de diferentes escalas.

Principales resultados:

• Mamba6mA logró el coeficiente de correlación de Matthews (MCC) más alto en 9 de 11 conjuntos de datos de especies, superando a los modelos de última generación.
• Los estudios de ablación demostraron que las capas lineales específicas de posición y el módulo de fusión multiescala mejoraron individualmente el MCC en un 2,36% y un 2,31%, respectivamente.
• La visualización de características confirmó la capacidad del modelo para capturar patrones de secuencia alrededor de los sitios 6mA.

Conclusiones:

• Mamba6mA ofrece un avance significativo en la predicción de sitios de N6-metiladenina (6mA) de ADN.
• El modelo proporciona un nuevo enfoque técnico para estudiar los mecanismos de modificación epigenética.
• El código fuente está disponible públicamente, lo que facilita la investigación y la aplicación futuras.