- 4 次围观
系统性表征微生物非编码区域受到两个不同挑战的限制：其一是在没有预先定义基序的情况下发现保守序列特征；其二是对新识别元件进行功能解释。为应对这些挑战，我们在基因组语言模型（gLM2）的表征基础上训练了稀疏自编码器，以在无需先验注释的情况下识别基因间序列特征；同时实施多模态搜索，利用与邻近蛋白质、RNA家族及基因组组织结构之间的保守关联，生成关于其功能的假设。该框架揭示了多种高度分化且此前未被表征的非编码元件，包括现有注释模型未能捕获的候选调控DNA序列和结构化RNA。基于gLM2获得的基因间特征可通过SeqHub的多模态搜索进行探索，该工具可在seqhub.org免费供学术使用。
利用基因组语言建模和多模态搜索发现微生物基因间特征｜bioRxiv
跳转至主要内容
主页 关于 投稿 提醒 / RSS 搜索关键词 高级搜索 最新结果
利用基因组语言建模和多模态搜索发现微生物基因间特征
Nicolo Zulaybar ， Matt Tranzillo ， Rachel Silverstein ， 查看 ORCID 个人资料 Yunha Hwang ， 查看 ORCID 个人资料 Andre Cornman
doi： https://doi.org/10.64898/2026.09.15.751765
Nicolo Zulaybar 1 Tatta Bio； 在 Google Scholar 中查找该作者 在 PubMed 中查找该作者 在本网站搜索该作者
Matt Tranzillo 1 Tatta Bio； 在 Google Scholar 中查找该作者 在 PubMed 中查找该作者 在本网站搜索该作者
Rachel Silverstein 2 麻省理工学院 在 Google Scholar 中查找该作者 在 PubMed 中查找该作者 在本网站搜索该作者
Yunha Hwang 2 麻省理工学院 在 Google Scholar 中查找该作者 在 PubMed 中查找该作者 在本网站搜索该作者
Yunha Hwang 的 ORCID 记录
通讯作者： yunhacorn{at}gmail.com
Andre Cornman 1 Tatta Bio； 在 Google Scholar 中查找该作者 在 PubMed 中查找该作者 在本网站搜索该作者
Andre Cornman 的 ORCID 记录
摘要
信息/历史 指标 预览 PDF
摘要
对微生物非编码区域进行系统表征受到两个不同挑战的限制：其一是在没有预先定义基序的情况下发现保守序列特征，其二是对新发现元件进行功能解释。为应对这些挑战，我们在基因组语言模型（gLM2）的表征上训练稀疏自编码器，以识别未经先验注释的基因间序列特征；同时实施多模态搜索，利用这些特征与邻近蛋白质、RNA 家族及基因组组织之间的保守关联，生成关于其功能的假设。该框架发现了多种高度分化且此前尚未表征的非编码元件，包括现有注释模型未能捕获的候选调控 DNA 序列和结构化 RNA。基于 gLM2 得到的基因间特征可通过 SeqHub 的多模态搜索进行探索；该工具可在 seqhub.org 免费供学术使用。
利益冲突声明
AC 和 YH 担任非股份制、非营利性 501(c)3 组织 Tatta Bio 的董事会成员。
已声明的资助信息
Schmidt Futures，G-24-67500
Gordon and Betty Moore Foundation， https://ror.org/006wxqw41，#13344
版权
本预印本的。
该预印本依据 CC-BY-NC 4.0 国际许可协议 提供。
返回顶部
上一篇
发布于 2026 年 9 月 17 日。
下载 PDF
电子邮件
感谢您有意传播 bioRxiv 上的这篇文章。
您的电子邮件地址 *
您的姓名 *
发送至 *
请输入多个地址，每行一个，或使用逗号分隔。
您即将发送以下内容：
利用基因组语言建模和多模态搜索发现微生物基因间特征
邮件主题
（您的姓名）已从 bioRxiv 网站转发一个页面给您
邮件正文
（您的姓名）认为您可能会对 bioRxiv 网站上的此页面感兴趣。
您的个人留言
验证码
此问题用于测试您是否为人类访客，并防止自动垃圾邮件提交。
分享
利用基因组语言建模和多模态搜索发现微生物基因间特征
Nicolo Zulaybar ， Matt Tranzillo ， Rachel Silverstein ， Yunha Hwang ， Andre Cornman
bioRxiv 2026.09.15.751765； doi： https://doi.org/10.64898/2026.09.15.751765
分享本文：
复制
引文工具
利用基因组语言建模和多模态搜索发现微生物基因间特征
Nicolo Zulaybar ， Matt Tranzillo ， Rachel Silverstein ， Yunha Hwang ， Andre Cornman
bioRxiv 2026.09.15.751765； doi： https://doi.org/10.64898/2026.09.15.751765
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.15.751765v1?rss=1
🏷️ 基因组语言模型 非编码基因组元件 基因间区序列 稀疏自编码器 多模态搜索 结构化RNA