PlantGeneAnn：一种用于植物基因组从头基因结构注释的链特异性基因组基础模型

高质量植物基因组组装的数量正在迅速增加，但准确的结构注释仍然依赖于转录本和同源性证据，这限制了其在新测序物种和非模式物种中的应用。在此，我们提出 PlantGeneAnn——一种针对植物优化的、链特异性的基因组基础模型，用于从头进行基因结构注释。仅基于九个高质量模式植物注释进行微调后，PlantGeneAnn 的表现优于一个在 42 个物种上训练的多物种模型，表明注释质量比 token 数量更为重要。 在一个严格的 13 物种基准测试中，涵盖蔷薇类、菊类和单子叶植物，PlantGeneAnn 在五个评估层级上均超越了四种当前最先进的基线方法，这些评估层级从碱基层面的分类一直到完整转录本的恢复。它实现了更高的内含子精确率，并且能够更好地捕捉复杂的基因结构。 在零样本变异效应预测中，PlantGeneAnn 识别出了玉米和水稻中的隐匿性剪接供体位点和提前终止密码子；饱和诱变进一步证实了其对单核苷酸、且具有上下文依赖性的敏感性。它同时保留了对表观基因组学轨道预测的泛化能力，凸显了其在泛基因组学、作物改良和非模式植物研究中的应用价值。

高质量植物基因组组装正在迅速增加，但准确的结构注释仍然依赖于转录本和同源性证据，这限制了其在新近测序物种和非模式物种中的应用。在此，我们提出了 PlantGeneAnn——一种针对植物优化、具有链特异性的基因组基础模型，用于从头进行基因结构注释。仅基于九个高质量模式植物注释进行微调后，PlantGeneAnn 的表现优于一个在 42 个物种上训练的多物种模型，表明注释质量比 token 规模更为重要。在一个严格的 13 物种基准测试中，涵盖蔷薇类、菊类和单子叶植物，PlantGeneAnn 在五个评估层级上均超越了四种当前最先进的基线方法，这些层级从碱基层面的分类到完整转录本恢复不等。它实现了更高的内含子精确率，并且能更好地捕捉复杂的基因结构。在零样本变异效应预测中，PlantGeneAnn 识别出了玉米和水稻中的隐匿剪接供体位点和提前终止密码子；饱和诱变进一步证实其对单核苷酸、上下文依赖性变化的敏感性。它还保留了对表观基因组轨迹预测的良好泛化能力，凸显了其在泛基因组学、作物改良和非模式植物研究中的应用价值。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.25.733695v1?rss=1

🏷️ 植物基因组 从头基因注释 基础模型 链特异性 剪接位点预测