Genentech/gReLU

解决的问题

gReLU 通过提供一个统一的框架，解决了将深度学习应用于基因组学的困难，该框架支持在 DNA 序列上构建、训练、解释和使用神经网络。它简化了预测基因调控元件、设计序列以及理解基因组特征等任务，减少了对自定义代码的需求。

如何工作

该库提供了用于数据预处理、模型训练和模型解释的 API。支持多种架构，包括带有闪存注意力（flash attention）的 Transformer 模型，并包含一个模型库，其中包含可从 Hugging Face 加载的预训练模型。它还包含用于处理基因组注释（通过 UCSC 工具）以及生成 ATAC-seq 或类似数据的 bigWig 覆盖文件的实用工具。

适用人群

本工具面向使用 DNA 序列深度学习的生物信息学家和研究人员，尤其适用于调控基因组学、序列到功能预测以及序列设计领域。适合那些希望使用带有预训练模型和标准预处理流程的即用型框架，而非从零开始构建的用户。

主要亮点

• 覆盖模型训练、解释和应用的端到端框架。
• 模型库包含托管在 Hugging Face 上的预训练模型，取代了之前的 Weights & Biases 集成。
• 支持 Transformer 模型和闪存注意力，实现高效训练。
• 与标准基因组学工具（UCSC 工具、bedtools）集成，用于注释和覆盖轨迹生成。
• 已发表于《Nature Methods》，并附有 DOI，表明其经过同行评审，质量可靠。
• 拥有活跃的文档和贡献指南，鼓励社区参与。