usadellab/Helixer

解決的問題

Helixer 執行 ab initio 結構基因組註釋（亦稱為「基因呼叫」）。它識別基因組序列中哪些特定鹼基對屬於基因的不同部分，特別是非翻譯區（UTR）、編碼序列（CDS）和內含子，讓研究人員能為各種物種生成初步基因模型。

工作原理

Helixer 將深度神經網絡與隱馬可夫模型（HMM）結合，以預測基因結構。此過程通常分為三個步驟：

1. 資料轉換：將 FASTA 格式的 DNA 序列轉換為數值矩陣。
2. 推論：使用特定版本的深度學習模型（已針對真菌、陸生植物、脊椎動物和無脊椎動物訓練）預測每個鹼基對屬於基因間區域、UTR、CDS 或內含子的機率。
3. 後處理：將這些機率處理為初步基因模型，並匯出為 GFF3 檔案。

適用對象

專為需要對不同譜系（真菌、植物、脊椎動物和無脊椎動物）物種進行基因組註釋的生物資訊學家與基因組研究人員設計。

主要亮點

• 譜系特異性模型：提供針對四大主要生物譜系的預訓練模型。
• 高效率：針對 GPU 加速（Nvidia 與 Apple Silicon）進行優化，可處理現實規模的資料集。
• 彈性部署：支援命令列工具、Docker/Singularity 容器、Web 工具與 Galaxy 安裝等多種形式。
• 可重現性：包含 --deterministic 標誌，確保在不同 GPU 架構間結果一致。