HuggingFace镜像/aparent
模型介绍
文件和版本
分析

APARENT

用于从序列预测人类3'UTR选择性多聚腺苷酸化（APA）的卷积神经网络。

免责声明

这是 Nicholas Bogard、Johannes Linder 等人所著《A Deep Neural Network for Predicting and Engineering Alternative Polyadenylation》（https://doi.org/10.1016/j.cell.2019.04.046）的非官方实现。

APARENT 的官方代码库位于 johli/aparent。

[!TIP] MultiMolecule 团队已确认，所提供的模型和检查点产生的中间表示与原始实现相同。

APARENT 的发布团队未为此模型撰写此模型卡片，因此本模型卡片由 MultiMolecule 团队编写。

模型详情

APARENT（APA REgression NeT）是一种卷积神经网络，其训练数据来源于超过 350 万个在 HEK293 细胞中通过迷你基因报告基因表达的随机化 3'UTR 多聚腺苷酸信号。给定一个固定长度为 205 nt 的 3'UTR/多聚腺苷酸序列，APARENT 可预测选择性多聚腺苷酸化同工型比例（一个标量）和位置切割分布。该模型主要用于评估遗传变异对 APA 调控的影响，并设计新的多聚腺苷酸化信号。有关训练过程的更多信息，请参阅训练详情部分。

原始作者推荐使用基础的、未归一化的 APARENT 模型进行同工型和变异效应预测。

模型规格

层数隐藏层大小参数数量（百万）浮点运算次数（十亿）乘加运算次数（十亿）最大标记数
42566.430.030.01205

链接

  • 代码：multimolecule.aparent
  • 数据：大规模平行多聚腺苷酸化 MPRA，GEO GSE113849
  • 论文：A Deep Neural Network for Predicting and Engineering Alternative Polyadenylation
  • 开发者：Nicholas Bogard、Johannes Linder、Alexander B. Rosenberg、Georg Seelig
  • 模型类型：用于从 3'UTR 序列预测选择性多聚腺苷酸化同工型和切割的 1D CNN
  • 原始代码库：johli/aparent

使用方法

模型文件依赖于multimolecule库。您可以使用pip安装它：

pip install multimolecule

直接使用

APA 异构体预测

您可以直接使用该模型来预测 3'UTR/多聚腺苷酸（polyA）序列的 APA 异构体比例：

>>> from multimolecule import RnaTokenizer, AparentForSequencePrediction

>>> tokenizer = RnaTokenizer.from_pretrained("multimolecule/aparent")
>>> model = AparentForSequencePrediction.from_pretrained("multimolecule/aparent")
>>> output = model(**tokenizer("ACGUACGUACGU", return_tensors="pt"))

>>> output.keys()
odict_keys(['logits'])

完整的 APARENT 同工型和切割输出可在主链上获取：

>>> from multimolecule import RnaTokenizer, AparentModel

>>> tokenizer = RnaTokenizer.from_pretrained("multimolecule/aparent")
>>> model = AparentModel.from_pretrained("multimolecule/aparent")
>>> output = model(**tokenizer("ACGUACGUACGU", return_tensors="pt"))

>>> output.keys()
odict_keys(['pooler_output', 'isoform_logits', 'cleavage_logits'])

接口

  • 输入长度：固定为 205 nt 的 3'UTR / polyA 序列
  • 输出（AparentModel）：isoform_logits（标量 APA 比例）+ cleavage_logits（206 维位置切割分布）
  • 输出（AparentForSequencePrediction）：仅 APA 同工型标量（logits）

训练详情

APARENT 经过训练，可联合预测随机化 3'UTR 多聚腺苷酸信号的 APA 同工型比例和位置切割分布。

训练数据

APARENT 的训练数据来自 350 多万条随机化 3'UTR 多聚腺苷酸信号序列，这些序列在 HEK293 细胞的微型基因报告基因上表达（一项大规模平行报告基因分析，MPRA）。3'UTR MPRA 文库的原始测序数据可在 GEO 登录号 GSE113849 获取。

本 APARENT 模型使用所有 MPRA 文库进行训练（未保留任何文库），以生成最佳的通用 APA 预测器；它与论文中评估的按文库保留模型不同。

训练过程

预训练

模型的训练目标是最小化一个组合目标函数：同工型比例的 sigmoid KL 散度和位置切割分布的 KL 散度，两者权重相等。

引用

@article{bogard2019adeep,
  author    = {Bogard, Nicholas and Linder, Johannes and Rosenberg, Alexander B. and Seelig, Georg},
  title     = {A Deep Neural Network for Predicting and Engineering Alternative Polyadenylation},
  journal   = {Cell},
  volume    = {178},
  number    = {1},
  pages     = {91--106.e23},
  year      = {2019},
  publisher = {Elsevier BV},
  doi       = {10.1016/j.cell.2019.04.046}
}

[!NOTE] 本仓库中分发的制品是 MultiMolecule 项目的一部分。 如果 MultiMolecule 对您的研究有帮助，请按以下方式引用 MultiMolecule 项目：

@software{chen_2024_12638419,
  author    = {Chen, Zhiyuan and Zhu, Sophia Y.},
  title     = {MultiMolecule},
  doi       = {10.5281/zenodo.12638419},
  publisher = {Zenodo},
  url       = {https://doi.org/10.5281/zenodo.12638419},
  year      = 2024,
  month     = may,
  day       = 4
}

联系方式

有关模型卡片的任何问题或意见，请使用 MultiMolecule 的 GitHub 议题。

有关论文/模型的问题或意见，请联系 APARENT 论文 的作者。

许可证

本模型实现采用 GNU Affero General Public License 许可证。

如需其他条款和说明，请参阅我们的 许可证常见问题。

SPDX-License-Identifier: AGPL-3.0-or-later