清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

DNABERT: pre-trained Bidirectional Encoder Representations from Transformers model for DNA-language in genome

计算机科学 编码器 可解释性 源代码 人工智能 数据挖掘 机器学习 程序设计语言 操作系统
作者
Yanrong Ji,Zhihan Zhou,Han Liu,Ramana V. Davuluri
出处
期刊:Bioinformatics [Oxford University Press]
卷期号:37 (15): 2112-2120 被引量:218
标识
DOI:10.1093/bioinformatics/btab083
摘要

Abstract Motivation Deciphering the language of non-coding DNA is one of the fundamental problems in genome research. Gene regulatory code is highly complex due to the existence of polysemy and distant semantic relationship, which previous informatics methods often fail to capture especially in data-scarce scenarios. Results To address this challenge, we developed a novel pre-trained bidirectional encoder representation, named DNABERT, to capture global and transferrable understanding of genomic DNA sequences based on up and downstream nucleotide contexts. We compared DNABERT to the most widely used programs for genome-wide regulatory elements prediction and demonstrate its ease of use, accuracy and efficiency. We show that the single pre-trained transformers model can simultaneously achieve state-of-the-art performance on prediction of promoters, splice sites and transcription factor binding sites, after easy fine-tuning using small task-specific labeled data. Further, DNABERT enables direct visualization of nucleotide-level importance and semantic relationship within input sequences for better interpretability and accurate identification of conserved sequence motifs and functional genetic variant candidates. Finally, we demonstrate that pre-trained DNABERT with human genome can even be readily applied to other organisms with exceptional performance. We anticipate that the pre-trained DNABERT model can be fined tuned to many other sequence analyses tasks. Availability and implementation The source code, pretrained and finetuned model for DNABERT are available at GitHub (https://github.com/jerryji1993/DNABERT). Supplementary information Supplementary data are available at Bioinformatics online.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
云飞扬完成签到 ,获得积分10
16秒前
无悔完成签到 ,获得积分10
25秒前
开心每一天完成签到 ,获得积分10
35秒前
合不着完成签到 ,获得积分10
37秒前
弃医遛鸟登高而歌完成签到 ,获得积分10
50秒前
lanxinge完成签到 ,获得积分10
1分钟前
小小果妈完成签到 ,获得积分10
1分钟前
科研一枝花完成签到 ,获得积分10
1分钟前
1分钟前
Cynthia42完成签到 ,获得积分10
1分钟前
Kevin完成签到,获得积分10
1分钟前
2分钟前
jlwang完成签到,获得积分10
2分钟前
fffflora完成签到,获得积分10
2分钟前
chenying完成签到 ,获得积分0
2分钟前
123完成签到 ,获得积分10
2分钟前
郑先生完成签到 ,获得积分10
3分钟前
fffflora发布了新的文献求助10
3分钟前
六六完成签到 ,获得积分10
3分钟前
大生蚝完成签到 ,获得积分10
4分钟前
huanghe完成签到,获得积分10
4分钟前
白菜完成签到 ,获得积分10
4分钟前
小丸子完成签到 ,获得积分10
4分钟前
权小夏完成签到 ,获得积分10
4分钟前
Kate完成签到,获得积分10
4分钟前
4分钟前
调研昵称发布了新的文献求助10
4分钟前
naczx完成签到,获得积分10
5分钟前
shepherd完成签到 ,获得积分10
6分钟前
得咎完成签到 ,获得积分10
6分钟前
未完成完成签到,获得积分10
6分钟前
俊逸吐司完成签到 ,获得积分10
7分钟前
和平星完成签到 ,获得积分10
7分钟前
Kate发布了新的文献求助10
7分钟前
受伤的薯片完成签到 ,获得积分10
7分钟前
如意竺完成签到,获得积分10
7分钟前
深情的凝云完成签到 ,获得积分10
7分钟前
外向春天完成签到 ,获得积分10
8分钟前
简单幸福完成签到 ,获得积分10
8分钟前
雷九万班完成签到 ,获得积分10
8分钟前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Handbook of Qualitative Cross-Cultural Research Methods 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3139615
求助须知:如何正确求助?哪些是违规求助? 2790500
关于积分的说明 7795418
捐赠科研通 2446958
什么是DOI,文献DOI怎么找? 1301526
科研通“疑难数据库(出版商)”最低求助积分说明 626259
版权声明 601176