EvoSNR-Prom: Predicting promoters at single-nucleotide resolution with label-aware transfer learning of the pretrained EVO model

Étiquetage de séquence au niveau du token sur le modèle de fondation Evo, avec plongements enrichis par lexiques d'ADN et apprentissage par transfert sensible aux étiquettes depuis des espèces bien annotées.

La plupart des méthodes d'apprentissage profond dédiées aux promoteurs travaillent au niveau de la séquence entière, étiquetée « promoteur » ou « non-promoteur », et n'offrent donc aucune résolution nucléotidique. EvoSNR-Prom reformule le problème en étiquetage de tokens, par analogie avec la reconnaissance d'entités nommées en traitement du langage naturel, en s'appuyant sur le modèle de fondation Evo. Pour compenser le peu de contexte disponible avec une tokenisation nucléotide par nucléotide, les auteurs ajoutent une stratégie de plongements enrichis par des lexiques d'ADN biologiquement interprétables, puis un apprentissage par transfert sensible aux étiquettes destiné aux jeux de données de petite taille. Les évaluations rapportées portent sur plusieurs jeux de données procaryotes, sur lesquels le modèle obtient de bonnes performances selon les auteurs.

Synthèse rédigée par Geno'X. Pour l'abstract original complet, consulter la publication source.

L'idée méthodologique est la bonne — passer d'une étiquette par séquence à une étiquette par nucléotide est précisément ce qu'il faudrait pour annoter un variant régulateur — mais la démonstration reste procaryote et le résumé ne donne aucune métrique chiffrée. En l'état, rien n'est transposable à l'interprétation d'un variant non codant humain, où le problème n'est pas de localiser un promoteur mais de prédire l'effet d'une substitution sur son activité. À suivre pour la méthode, pas pour l'usage.

Analyse par Dr Thibaut Benquey