Highly accurate ab initio gene annotation with ANNEVO

注释 从头算 基因 计算生物学 计算机科学 生物 遗传学 人工智能 物理 量子力学
作者
Kai Ye,Pengyu Zhang,Tun Xu,Songbo Wang,Xiaofei Yang,Peisen Sun,Peng Jia,Bo Wang,Stephen J. Bush,Zemin Ning
出处
期刊:Research Square 被引量:8
标识
DOI:10.21203/rs.3.rs-6402260/v1
摘要

Abstract Accurate gene annotation is essential for deciphering the mapping from genomic sequences to their functional roles. However, current methods struggle to model complex gene transmission patterns and evolutionary variations in gene lengths. Here, we introduce ​ANNEVO, a mixture of experts (MoE)-based genomic language model that directly models distal sequence dependencies and joint evolutionary relationships from diverse genomes, enabling precise ab initio gene annotation. Through extensive benchmarking on 566 species, we demonstrate that ANNEVO significantly outperforms existing ab initio methods and achieves performance comparable to state-of-the-art annotation pipelines. Furthermore, ANNEVO’s independence from external evidence allows it to deliver more complete annotations than reference annotations for a broad range of species while correcting errors within them. These advancements will significantly advance genome sequence interpretation and provide a framework capable of integrating evolutionary insights.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
潇湘学术完成签到,获得积分10
1秒前
WZ完成签到,获得积分10
1秒前
muzi发布了新的文献求助10
1秒前
弯弯月亮完成签到,获得积分10
1秒前
无聊的大碗关注了科研通微信公众号
1秒前
王佳康发布了新的文献求助10
2秒前
无聊的大碗关注了科研通微信公众号
3秒前
三寿完成签到,获得积分10
4秒前
O_0完成签到 ,获得积分10
4秒前
啦啦啦完成签到 ,获得积分10
4秒前
MrCoolWu完成签到,获得积分10
4秒前
dawn完成签到 ,获得积分10
4秒前
优美的花生完成签到,获得积分10
6秒前
Rainbow发布了新的文献求助10
6秒前
子义完成签到,获得积分10
6秒前
严锦强完成签到,获得积分10
6秒前
不争馒头争口气完成签到,获得积分10
7秒前
7秒前
心斋完成签到,获得积分10
7秒前
vink完成签到,获得积分10
7秒前
愉快寄真完成签到,获得积分10
9秒前
MOMO100完成签到,获得积分10
9秒前
9秒前
路人丙完成签到,获得积分10
10秒前
7mi完成签到 ,获得积分10
10秒前
木木完成签到,获得积分10
10秒前
MaxZimmer完成签到,获得积分10
10秒前
梅狸猫不读博完成签到 ,获得积分10
10秒前
标致的冷梅完成签到,获得积分10
10秒前
喜悦的向日葵完成签到,获得积分10
11秒前
Rainbow完成签到,获得积分10
11秒前
朴素旭尧完成签到,获得积分10
11秒前
臭臭发布了新的文献求助10
12秒前
阿然完成签到,获得积分10
12秒前
zyy发布了新的文献求助10
13秒前
Neoshine完成签到,获得积分10
13秒前
今天放假了吗完成签到,获得积分10
14秒前
李查查完成签到 ,获得积分10
14秒前
传统的松鼠完成签到 ,获得积分10
14秒前
高分求助中
Markov Chain Monte Carlo 10000
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Common Foundations of American and East Asian Modernisation: From Alexander Hamilton to Junichero Koizumi 5000
Matrix Methods in Data Mining and Pattern Recognition Second Edition 610
政治传播过程中的外交与说服——以中苏友好协会为例的历史考察 566
Discerning Saints: Moralization of Intrinsic Motivation and Selective Prosociality at Work 500
Handbuch Trainingswissenschaft – Trainingslehre 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7579618
求助须知:如何正确求助?哪些是违规求助? 9159128
关于积分的说明 19593611
捐赠科研通 7162215
什么是DOI,文献DOI怎么找? 3265729
关于科研通互助平台的介绍 2430751
邀请新用户注册赠送积分活动 2256521