Un método basado en transformador para el análisis de la expresión génica de Cap y la predicción de la etiqueta de...

Área de la Ciencia:

• La genómica es la genómica.
• Biología computacional Biología computacional.
• Biología Molecular Biología Molecular

Sus antecedentes:

• El encapsulamiento del ARN 5' es una modificación post-transcripcional crucial que afecta la estabilidad y movilidad del ARN.
• La medición precisa de las tapas del ARN 5' es esencial para cuantificar la expresión del ARNm y el ARNnc.
• El análisis de la expresión génica de la tapa (CAGE) es un método de secuenciación de ARN exitoso que utiliza la tapa para la cuantificación de la expresión.

Objetivo del estudio:

• Desarrollar un método computacional para predecir los sitios de encapsulación de ARN 5' directamente a partir de secuencias de ADN.
• Establecer un marco basado en la secuencia para identificar las regiones asociadas a la limitación relevantes para los picos CAGE.
• Investigar la importancia biológica de las regiones de limitación predichas a través del análisis de motivos.

Principales métodos:

• Desarrollo de un modelo basado en transformadores utilizando Llama y ReLoRA para la capacitación previa y Llama y LoRA para el ajuste fino.
• Aplicación de la validación cruzada Leave-one-chromosome-out para una evaluación robusta del modelo.
• Análisis de motivos basados en los picos de atención para identificar patrones de secuencia estadísticamente significativos.

Principales resultados:

• El modelo afinado logró una precisión promedio del 79.12% (hg19 humano) y del 78.09% (mm9 del ratón).
• El modelo demostró un buen rendimiento con puntuaciones F1 de 78.11% (hg19 humano) y 76.17% (mm9 del ratón).
• Se identificaron motivos estadísticamente significativos en regiones de altos puntajes de atención, con algunos que coincidían con motivos conocidos de factores de transcripción.

Conclusiones:

• El enfoque basado en Llama desarrollado proporciona un marco efectivo basado en secuencias para predecir las regiones limitantes de 5'.
• La capacidad del modelo para identificar motivos biológicamente relevantes destaca su potencial para avanzar en el análisis de expresión basado en CAGE.
• Este método sirve como un valioso precursor para predecir la expresión transcripcional mediante la identificación precisa de los sitios de tapa.