Идентификация биологических взаимосвязей в геноме человека методами интерпретации языковых моделей

Выполнили: Либина Яна Максимовна и Скворцова Ирина Владиславовна

В данной работе рассматриваются различные языковые модели в рамках задачи предсказания Z-ДНК структуры. Мы взяли две модели, предобученные на нуклеотидных последовательностях, DNABERT-2 и Gena-LM, дообучили на датасете Kouzine et al и проинтерпретировали результаты, используя методы xAI. Обе дообученные модели получили лучшее качество, чем предыдущие нейросетевые подходы (DeepZ, Z-DNABERT) и подтвердили значимость известных последовательностей, связанных с образованием ДНК, таких как poly(dGC)2 и в общем последовательностей с чередующимися пуринами-пиримидинами.

Итоговый отчет (Либина, Скворцова) (PDF, 446 Кб)

Ссылка на репозиторий на GitHub