DeltaSplice

基于序列的参考信息指导的可变剪接及剪接改变突变预测

免责声明

本项目是 Chencheng Xu、Suying Bao 等人发表的论文《Reference-informed prediction of alternative splicing and splicing-altering mutations from sequences》（https://doi.org/10.1101/gr.279044.124）的非官方实现。

DeltaSplice 的官方代码库位于 chaolinzhanglab/DeltaSplice。

[!TIP] MultiMolecule 团队已确认，所提供的模型和检查点能够生成与原始实现相同的中间表示。

DeltaSplice 的发布团队未为本模型编写此模型卡片，本模型卡片由 MultiMolecule 团队编写。

模型详情

DeltaSplice 可根据序列预测剪接位点使用率（SSU）和剪接改变突变效应。该模型采用有效卷积扩张残差编码器，并包含三个预测模块：剪接位点使用率模块、参考信息指导的 delta-SSU 模块以及辅助剪接位点头。官方软件包在进行 SSU 和 delta-SSU 预测时，会使用五个检查点的平均预测结果；MultiMolecule 将每个已发布数据变体的五个种子检查点存储为内部集成成员，并返回它们的平均预测值。

变体

multimolecule/deltasplice: 在上游默认检查点所使用的多物种训练集上训练的 DeltaSplice。
multimolecule/deltasplice-human: 上游项目发布的仅针对人类的 DeltaSplice 对比检查点集。

模型规格

变体	层数	隐藏层大小	上下文长度	集成成员数	参数数量（百万）	浮点运算次数（百万）	乘加运算次数（百万）
DeltaSplice	24	64	30000	5	40.376	1642965.72	820284.36
DeltaSplice-Human	24	64	30000	5	40.376	1642965.72	820284.36

（FLOPs 和 MACs 是在默认 30 kb 填充上下文下，针对一个请求输出核苷酸测量得出。）

链接

代码：multimolecule.deltasplice
论文：Reference-informed prediction of alternative splicing and splicing-altering mutations from sequences
开发者：徐晨成、鲍素英、王烨、李文星、陈浩、沈裕峰、姜涛、张朝林
模型类型：用于剪接位点使用和delta-SSU预测的扩张残差一维CNN集成
原始仓库：chaolinzhanglab/DeltaSplice

使用方法

模型文件依赖于multimolecule库。您可以使用pip安装该库：

pip install multimolecule

直接用途

剪接位点使用情况

>>> from multimolecule import RnaTokenizer
>>> from multimolecule.models.deltasplice import DeltaSpliceModel

>>> tokenizer = RnaTokenizer.from_pretrained("multimolecule/deltasplice")
>>> model = DeltaSpliceModel.from_pretrained("multimolecule/deltasplice")
>>> inputs = tokenizer("AGCAGUCAUUAUGGCGAAUCUGGCAAGUA", return_tensors="pt")
>>> output = model(**inputs)
>>> output["probabilities"].shape
torch.Size([1, 30, 3])

变异效应

>>> from multimolecule import RnaTokenizer
>>> from multimolecule.models.deltasplice import DeltaSpliceModel

>>> tokenizer = RnaTokenizer.from_pretrained("multimolecule/deltasplice")
>>> model = DeltaSpliceModel.from_pretrained("multimolecule/deltasplice")
>>> reference = tokenizer("AGCAGUCAUUAUGGCGAAUCUGGCAAGUA", return_tensors="pt")
>>> alternative = tokenizer("AGCAGUCAUUAUGGCUAAUCUGGCAAGUA", return_tensors="pt")
>>> output = model(reference["input_ids"], alternative_input_ids=alternative["input_ids"], use_reference=True)
>>> output["delta"].shape
torch.Size([1, 30, 3])

接口

输入：使用RnaTokenizer进行标记化的RNA序列；N被编码为零核苷酸通道
输出通道：no_splice（无剪切）、acceptor（受体）、donor（供体）
仅参考调用：在probabilities中返回每个位置的剪接位点使用概率
参考+替代调用：将参考序列作为input_ids传入，将替代序列作为alternative_input_ids传入
参考使用情况：传入形状为(batch_size, sequence_length, 3)的reference_usage，或省略该参数以使用模型自身的参考使用情况作为参考信号

训练详情

DeltaSplice经过训练，可根据基因序列预测剪接位点的使用情况，并通过整合参考剪接位点使用情况来改进突变效应预测。

训练数据

上游代码库描述了使用gene_dataset.tsu.txt进行训练的过程，该文件包含八个哺乳动物物种成年大脑中的剪接位点使用情况。

训练流程

官方发布版本提供了五个具有相同架构和数据拆分的种子检查点。MultiMolecule将这些种子检查点表示为内部集成成员，而非公开的模型变体。

引用

@article{xu2024deltasplice,
  title     = {Reference-informed prediction of alternative splicing and splicing-altering mutations from sequences},
  author    = {Xu, Chencheng and Bao, Suying and Wang, Ye and Li, Wenxing and Chen, Hao and Shen, Yufeng and Jiang, Tao and Zhang, Chaolin},
  journal   = {Genome Research},
  volume    = {34},
  number    = {7},
  pages     = {1052--1065},
  year      = {2024},
  doi       = {10.1101/gr.279044.124}
}

[!NOTE] 本仓库中分发的制品是 MultiMolecule 项目的一部分。如果 MultiMolecule 对您的研究有所帮助，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 issues。

有关论文/模型的问题或意见，请联系 DeltaSplice paper 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 License FAQ。

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