Genentech/gReLU

解決的問題

gReLU 透過提供一個統一的框架，解決了將深度學習應用於基因組學的困難，該框架支援在 DNA 序列上建構、訓練、解釋與使用神經網路。它簡化了預測基因調控元件、設計序列以及理解基因組特徵等任務，減少對自訂程式碼的需求。

如何運作

該程式庫提供資料前處理、模型訓練與模型解釋的 API。支援多種架構，包括具備閃存注意力（flash attention）的 Transformer 模型，並包含一個模型庫，其中包含可從 Hugging Face 加載的預訓練模型。它也包含用於處理基因組註解（透過 UCSC 工具）以及產生 ATAC-seq 或類似資料的 bigWig 覆蓋檔案的實用工具。

適用對象

本工具針對使用 DNA 序列深度學習的生物資訊學家與研究人員，特別適用於調控基因組學、序列到功能預測以及序列設計領域。適合希望使用內建預訓練模型與標準預處理流程的即用型框架，而非從零開始建構的使用者。

主要亮點

• 覆蓋模型訓練、解釋與應用的端對端框架。
• 模型庫包含託管於 Hugging Face 上的預訓練模型，取代先前的 Weights & Biases 集成。
• 支援 Transformer 模型與閃存注意力，實現高效訓練。
• 與標準基因組學工具（UCSC 工具、bedtools）整合，用於註解與覆蓋軌跡產生。
• 已發表於《Nature Methods》，並附有 DOI，顯示經過同儕審查，品質可靠。
• 擁有活躍的文件與貢獻指南，鼓勵社群參與。