聚A-GLM:使用基因组语言模型进行 De novo 聚亚脱位预测的综合框架
Sourav Saha1, Naima Ahmed Fahmi1, Jeongsik Yong2
1Department of Computer Science, University of Central Florida, Orlando, FL, USA.
Computational and structural biotechnology journal
|January 16, 2026
概括
基因组语言模型 (GLMs) 准确地预测了多基化 (poly(A)) 位点,这对于基因表达调节至关重要. 这项研究介绍了PolyA-GLM,一个管道增强RNA处理见解的管道.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 分子生物学分子生物学
背景情况:
- 多基解 (多A) 位点对于转录后基因调节至关重要.
- 准确的多元A位点预测有助于识别癌症等疾病中的RNA处理缺陷.
- 传统方法在跨物种和跨细胞类型概括方面面临局限性.
研究的目的:
- 评估基因组语言模型 (GLMs) 以准确地预测多元A位点.
- 为了利用GLMs捕获远程基因组序列依赖性的能力.
- 开发一条端到端的管道,用于新型的多样性 (A) 现场发现.
主要方法:
- 评估了DNABERT-2,核酸转换器和HyenaDNA,使用了几次拍摄分类和微调.
- 评估了模型在识别正规多化信号 (PAS) 和它们接近裂变点方面的性能.
- 用于模型解释性验证的系统信号扰动.
主要成果:
- GLMs有效地识别了正统的PAS及其与裂变地点的空间关系.
- 在几次射击学习中,HyenaDNA实现了0.751的AUC,在微调后的性能增长.
- 一种标记级分类方法使得精确的,位置智能的多个 (A) 站点识别成为可能.
结论:
- 基因组语言模型显示出对推进多个 (A) 位点预测的重大前景.
- 该PolyA-GLM管道有助于发现新的监管要素.
- GLMs为了解RNA处理和基因调节提供了一种强大的方法.


