用于在核苷酸分辨率下预测人类3' UTR选择性多聚腺苷酸化（APA）和切割强度，并用于解读遗传变异对多聚腺苷酸化影响的深度残差神经网络。
这是Johannes Linder、Samantha E. Koplik等人发表的《Deciphering the impact of genetic variation on human polyadenylation using APARENT2》（https://doi.org/10.1186/s13059-022-02799-4）的非官方实现。
APARENT2的官方代码库位于johli/aparent-resnet。
[!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。
APARENT2的发布团队并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。
APARENT2是一种残差卷积神经网络（是原始APARENT的ResNet后续版本），在3' UTR大规模平行报告基因分析（MPRA）上训练而成。给定一个固定的205 nt多聚腺苷酸化信号（PAS）序列，它可以预测核苷酸分辨率的切割概率分布以及整体的同工型丰度。其主要用于通过比较参考序列和替代序列的预测结果，来评分遗传变异对多聚腺苷酸化的影响。
| 层数 | 隐藏大小 | 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 |
|---|---|---|---|---|---|
| 28 | 32 | 0.19 | 0.08 | 0.04 | 205 |
模型文件依赖于 multimolecule 库。您可以使用 pip 安装它：
pip install multimolecule您可以直接使用该模型预测205 nt多聚腺苷酸化信号序列（核心六聚体起始于位置70）的切割分布：
>>> import torch
>>> from multimolecule import RnaTokenizer, Aparent2Model
>>> tokenizer = RnaTokenizer.from_pretrained("multimolecule/aparent2")
>>> model = Aparent2Model.from_pretrained("multimolecule/aparent2")
>>> sequence = "A" * 70 + "AAUAAA" + "A" * 129
>>> output = model(**tokenizer(sequence, return_tensors="pt"))
>>> output.logits.shape
torch.Size([1, 206])分别对参考序列和替代序列进行评分，然后进行比较：
>>> import torch
>>> ref = "A" * 70 + "AAUAAA" + "A" * 129
>>> alt = "A" * 70 + "AAUACA" + "A" * 129
>>> ref_prob = torch.softmax(model(**tokenizer(ref, return_tensors="pt")).logits, dim=-1)
>>> alt_prob = torch.softmax(model(**tokenizer(alt, return_tensors="pt")).logits, dim=-1)
>>> ref_iso = ref_prob[:, 77:127].sum(dim=-1)
>>> alt_iso = alt_prob[:, 77:127].sum(dim=-1)
>>> delta_logodds = torch.log(alt_iso / (1 - alt_iso)) - torch.log(ref_iso / (1 - ref_iso))AAUAAA）位于205 nt窗口的第70位（0索引）APARENT2 经过训练，可根据3' UTR MPRA测量数据预测核苷酸分辨率的切割情况和异构体丰度。
该模型的训练数据基于原始 APARENT 使用的3' UTR MPRA 文库，并经过额外改进进行了重新处理（包括 Alien1 Random 子库的精确切割位置，以及 Alien1 子库中位于 USE 上游的20 nt随机条形码）。测量的变异数据和处理后的数据仓库可在原始 APARENT GitHub 获取。
模型将 sigmoid KL散度异构体损失和 KL散度切割损失进行等权重组合并最小化。发布的推理模型对应于在所有子库（不包括 ClinVar 野生型序列）上训练5个 epoch 的残差网络模型，推理时禁用 dropout。
@article{linder2022deciphering,
author = {Linder, Johannes and Koplik, Samantha E. and Kundaje, Anshul and Seelig, Georg},
title = {Deciphering the impact of genetic variation on human polyadenylation using APARENT2},
journal = {Genome Biology},
volume = {23},
number = {1},
pages = {232},
year = {2022},
doi = {10.1186/s13059-022-02799-4},
publisher = {Springer Science and Business Media LLC}
}[!NOTE] 本仓库中分发的构件是 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
}关于模型卡片的任何问题或意见，请使用 MultiMolecule 的 GitHub issues。
关于论文/模型的问题或意见，请联系 APARENT2 paper 的作者。
本模型实现采用 GNU Affero General Public License 许可证。
如需其他条款和说明，请参考我们的 License FAQ。
SPDX-License-Identifier: AGPL-3.0-or-later