Genentech/gReLU

해결하는 문제

gReLU는 유전체학에서 딥러닝을 적용하는 어려움을 해결하기 위해 DNA 서열 위의 신경망을 구축, 학습, 해석, 사용하기 위한 통합 프레임워크를 제공합니다. 유전자 조절 요소 예측, 서열 설계, 게놈 특성 이해와 같은 작업을 단순화하여 맞춤형 코드가 필요 없도록 합니다.

작동 방식

이 라이브러리는 데이터 전처리, 모델 학습, 모델 해석을 위한 API를 제공합니다. 플래시 어텐션을 지원하는 트랜스포머 모델을 포함한 다양한 아키텍처를 지원하며, Hugging Face에서 로드할 수 있는 사전 학습된 모델 모델즈를 포함합니다. 또한 UCSC 도구를 통해 게놈 어노테이션을 다루고, ATAC-seq 또는 유사 데이터에 대한 bigWig 커버리지 파일을 생성하는 유틸리티도 포함되어 있습니다.

대상 사용자

이 도구는 특히 조절 유전체학, 서열-기능 예측, 서열 설계 분야에서 DNA 서열의 딥러닝을 사용하는 생물정보학자 및 연구자들을 대상으로 합니다. 사전 학습된 모델과 표준 전처리 파이프라인을 갖춘 즉시 사용 가능한 프레임워크를 원하는 사용자에게 적합합니다. 처음부터 시작하는 대신 기존 기반을 활용하고자 하는 분들에게 적합합니다.

주요 특징

• 학습, 해석, 응용을 아우르는 엔드투엔드 프레임워크.
• Hugging Face에 호스팅된 사전 학습된 모델을 포함한 모델즈. 이전의 Weights & Biases 통합을 대체합니다.
• 효율적인 학습을 위한 트랜스포머 모델 및 플래시 어텐션 지원.
• 게놈 어노테이션 및 커버리지 트랙 생성을 위한 표준 유전체 도구(UCSC 유틸리티, bedtools)와 통합.
• Nature Methods에 게재되었으며, DOI가 부여되어 있어 동료 검토된 품질을 보장합니다.
• 활성화된 문서와 커뮤니티 참여를 위한 기여 가이드가 제공됩니다.