Российские исследователи представили нейросеть GENATATOR, предназначенную для автоматизации разметки генов в последовательности ДНК. Эта технология призвана значительно ускорить процесс создания генетических карт, что особенно важно для изучения организмов, геном которых на текущий момент слабо исследован.
Разработка принадлежит ученым из Института AIRI. Нейросеть анализирует цепочки ДНК, самостоятельно определяя границы генов, их классификацию и внутреннюю структуру. Основная сложность подобных задач заключается в отсутствии универсальных биологических маркеров, которые бы четко обозначали начало и конец генетического участка, однако модель успешно справляется с этим барьером.
Принцип работы и преимущества
В основе классических методов аннотирования лежат жестко заданные правила и шаблоны. Новая российская система использует современные алгоритмы машинного обучения, тренируясь на внушительных массивах геномных данных. Это позволяет нейросети обнаруживать не только привычные белок-кодирующие участки, но и значительно более сложные для распознавания гены длинных некодирующих РНК.
Процесс работы модели выстроен поэтапно:
- Предсказание примерных границ участка.
- Верификация выявленных фрагментов.
- Классификация генов.
- Уточнение внутренней структуры с разделением экзонов и интронов.
Перспективы для науки
Технология GENATATOR имеет особую ценность для работы с так называемыми «немодельными» организмами. Сегодня для огромного количества видов существуют лишь «сырые» сборки генома, лишенные каких-либо биологических аннотаций.
В ходе испытаний нейросеть, изначально обученную на геноме человека и 38 видах млекопитающих, применили к совершенно иным группам — дрожжам, растениям и плодовой мушке. Во всех случаях алгоритм продемонстрировал высокую эффективность. Более того, система успешно идентифицировала редкие «ядовитые» экзоны — участки, включение которых в структуру РНК приводит к ее деградации.
Точность и доступность
Специалисты AIRI подчеркивают, что точность определения границ гена критически важна: ошибка даже в один нуклеотид способна вызвать сдвиг рамки считывания, что полностью исказит представление о структуре будущего белка. На текущий момент модель показывает лидирующие результаты по ряду метрик, а для ее независимой оценки запущен открытый лидерборд. Сама нейросеть доступна для исследовательского сообщества на платформе Hugging Face.
