OptMRL

用于从编码序列上游50个核苷酸预测mRNA平均核糖体负载（MRL）的卷积神经网络。

免责声明

这是 Frederick Korbel 等人发表的《Interpreting Deep Neural Networks for the Prediction of Translation Rates》（https://doi.org/10.1101/2023.06.02.543405）一文的非官方实现。

OptMRL 的官方代码库位于 ohlerlab/mlcis。

[!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。

OptMRL 的发布团队并未为此模型撰写此模型卡片，本模型卡片由 MultiMolecule 团队编写。

模型详情

OptMRL 是一个小型一维卷积神经网络，其训练目的是根据紧邻编码序列上游的5'非翻译区（5'UTR）的50个核苷酸序列，预测平均核糖体负载（MRL）——一种源自多核糖体图谱分析的翻译效率代理指标。该模型首先在约260,000个随机5'UTR报告基因上进行预训练，然后在约20,000个人源内源性5'UTR上进行微调。有关训练过程的更多信息，请参阅训练详情部分。

该网络架构由三个 Conv1D 层堆叠而成（120个过滤器，核大小为8，same 填充，ReLU激活函数），随后是一个 Flatten 层、一个具有ReLU激活函数和dropout的40单元 Dense 瓶颈层，以及一个最终的标量 Dense 回归头。

模型规格

层数	隐藏层大小	参数数量（百万）	浮点运算次数（百万）	乘加运算次数（百万）	最大标记数
5	40	0.476	24.04	12.00	50

链接

代码：multimolecule.optmrl
数据：260,000个随机5'UTR报告基因（预训练）+ 20,000个人源5'UTR报告基因（微调）
论文：Interpreting Deep Neural Networks for the Prediction of Translation Rates
开发人员：Frederick Korbel、Ekaterina Eroshok、Uwe Ohler
模型类型：用于从5'UTR序列回归平均核糖体负载的一维CNN
原始代码库：ohlerlab/mlcis

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

直接使用

平均核糖体负载预测

您可以直接使用此模型来预测50核苷酸5'UTR窗口的平均核糖体负载：

>>> from multimolecule import RnaTokenizer, OptMrlForSequencePrediction

>>> tokenizer = RnaTokenizer.from_pretrained("multimolecule/optmrl")
>>> model = OptMrlForSequencePrediction.from_pretrained("multimolecule/optmrl")
>>> sequence = "ACGU" * 12 + "AC"  # 50 nt
>>> input = tokenizer(sequence, add_special_tokens=False, return_tensors="pt")
>>> output = model(**input)

>>> output.logits.shape
torch.Size([1, 1])

接口

输入长度：从编码序列上游紧邻区域截取的固定50 nt的5'UTR窗口
填充方式：较短序列右侧用零填充至50 nt；较长序列截断为前50 nt
字符集：仅包含ACGU；未知字符/N标记的独热信号为零
特殊标记：不添加（add_special_tokens=False）
输出：每个窗口对应一个标量平均核糖体负载（MRL）分数

训练详情

OptMRL首先在大型随机5'UTR报告基因库上进行预训练，然后在较小的内源性人类5'UTR库上进行微调。

训练数据

预训练：约260,000个随机5'UTR报告基因，均配有多聚核糖体分析MRL测量值。
微调：约20,000个人类内源性5'UTR报告基因，均配有多聚核糖体分析MRL测量值。

每个报告基因包含编码序列上游紧邻区域的50核苷酸5'UTR窗口，以及一个标量MRL标签。

注意[RnaTokenizer][multimolecule.RnaTokenizer]会自动将"T"转换为"U"，若需禁用此功能，可传入replace_T_with_U=False。

训练流程

预训练

模型首先以回归任务形式预训练，用于预测每个随机5'UTR报告基因的实测MRL值，随后使用相同的回归目标在人类5'UTR报告基因上进行端到端微调。发布的模型为微调后的模型。

引用

@article{korbel2023interpreting,
  author    = {Korbel, Frederick and Eroshok, Ekaterina and Ohler, Uwe},
  title     = {Interpreting Deep Neural Networks for the Prediction of Translation Rates},
  journal   = {bioRxiv},
  publisher = {Cold Spring Harbor Laboratory},
  year      = {2023},
  doi       = {10.1101/2023.06.02.543405}
}

[!NOTE] 本仓库中分发的工件是 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

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 OptMRL 论文的作者。

许可证

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

如需其他条款和说明，请参考我们的许可证常见问题。

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