usadellab/Helixer

解决的问题

Helixer 执行 ab initio 结构基因组注释（也称为“基因预测”）。它识别基因组序列中哪些特定碱基对属于基因的不同部分，特别是非翻译区（UTR）、编码序列（CDS）和内含子，从而帮助研究人员为不同物种生成初级基因模型。

工作原理

Helixer 将深度神经网络与隐马尔可夫模型（HMM）结合，以预测基因结构。该过程通常分为三个步骤：

1. 数据转换：将 FASTA 格式的 DNA 序列转换为数值矩阵。
2. 推理：使用特定版本的深度学习模型（已针对真菌、陆生植物、脊椎动物和无脊椎动物训练）预测每个碱基对属于基因间区域、UTR、CDS 或内含子的概率。
3. 后处理：将这些概率处理为初级基因模型，并导出为 GFF3 文件。

适用人群

专为需要对不同谱系（真菌、植物、脊椎动物和无脊椎动物）物种进行基因组注释的生物信息学家和基因组研究人员设计。

主要亮点

• 谱系特异性模型：提供针对四大主要生物谱系的预训练模型。
• 高性能：针对 GPU 加速（Nvidia 和 Apple Silicon）进行了优化，可处理现实规模的数据集。
• 灵活部署：支持命令行工具、Docker/Singularity 容器、Web 工具和 Galaxy 安装等多种形式。
• 可重现性：包含 --deterministic 标志，确保在不同 GPU 架构间结果一致。