Resumen - TrinityDNA: Un modelo fundamental bioinspirado para modelado eficiente de longas secuencias de ADN

TrinityDNA: Un modelo fundamental bioinspirado para modelado eficiente de longas secuencias de ADN

2025-07-25 12:55:30

{"Qirong Yang","Yucheng Guo","Zicheng Liu","Yujie Yang","Qijin Yin","Siyuan Li","Shaomin Ji","Linlin Chao","Xiaoming Zhang","Stan Z. Li"}

{cs.CE}

El documento presenta TrinityDNA, un nuevo modelo de aprendizaje profundo diseñado para abordar los desafíos de la modelización de secuencias de ADN. Integra componentes informados biológicamente y arquitecturas innovadoras para mejorar la precisión y la eficiencia del análisis de secuencias genómicas. **Características clave de TrinityDNA**: * **Componentes Inspirados Biológicamente**: * **Módulo de Fusión de Surcos**: Captura las características estructurales únicas del ADN, como los surcos mayor y menor, mediante operaciones de convolución de escalas múltiples. * **Mecanismo de Reversión Complementaria Conmutada (GRC)**: Explica la simetría inherente de las secuencias de ADN procesando tanto la hebra complementaria como la hebra reversa en paralelo. * **Mecanismo de Atención de Escalas Múltiples**: Permite que el modelo capture dependencias en diferentes escalas, desde motivos locales a regiones regulatorias de largo alcance. * **Estrategia de Entrenamiento Evolutivo**: Se adapta gradualmente a contextos genómicos diversos y a longitudes de secuencias variadas al entrenar con genomas procarióticos y eucarióticos. **Ventajas de TrinityDNA**: * **Mejorada Precisión**: Logra mejoras significativas en la predicción de funciones génicas, la discovery de mecanismos regulatorios y otras aplicaciones genómicas. * **Eficiencia**: Captura de manera eficiente dependencias a largo plazo y manejo de datos genómicos a gran escala. * **Generalización**: Se adapta bien a contextos genómicos diversos y a longitudes de secuencias variadas. **Evaluación**: El documento evalúa a TrinityDNA en diversas tareas de aplicación, incluyendo: * **Benchmarck de Evaluación de Comprensión Genómica (GUE)**: Alcanza un rendimiento de vanguardia en tareas como la clasificación de elementos regulatorios, predicción de marcadores de histona y anotación de sitios de unión de ARN. * **Desempeño de Zero-shot**: Supera a los modelos existentes en una amplia gama de tareas, incluyendo la predicción de patogenicidad de ADN, RNA DMS y predicción de la condición física de proteínas. * **Benchmarck de Anotación de Secuencia de CDS**: Demostrando sólidas capacidades de generalización a través de diversidad de conjuntos de datos y superando a las herramientas de predicción clásicas de genes. **Conclusión**: TrinityDNA representa un progreso significativo en la modelización de secuencias de ADN. Al incorporar componentes informados biológicamente, arquitecturas innovadoras y estrategias de entrenamiento robustas, ofrece un enfoque más preciso y eficiente para el análisis de secuencias genómicas. Esto tiene el potencial de revolucionar varios campos, incluyendo la medicina personalizada, la biotecnología y la biología evolutiva.