Gene Prediction by Leveraging Unaligned Locus Homology Information (GLUH)

Automatische Genvorhersageverfahren sind ein zentraler Bestandteil moderner Genomforschung. Mit der Zunahme großangelegter Sequenzierprojekte wie dem Earth BioGenome Project wächst die Verfügbarkeit von Genomdaten verwandter Arten rapide. Dadurch wächst der Bedarf an effektiven Methoden zur Beschreibung von Genstrukturen (Annotation).
Das Projekt „GLUH“ entwickelt ein neues KI-Modell, um Gene automatisch vorherzusagen. Es basiert auf einem bestehenden KI-Modell namens Tiberius und erweitert dessen Funktionalität.

Damit können erstmals Gene aus DNA-Sequenzen mehrerer verwandter Arten gleichzeitig vorhergesagt werden, ohne Sequenzen vergleichen zu müssen.

Der semi-überwachte Trainingsansatz des Modells verknüpft sorgfältig kuratierte Genannotationen einer Referenzart mit unannotierten Sequenzen verwandter Arten. Die Methode kann somit auf neue Arten angewendet werden und erleichtert die automatische Genvorhersage in großen Projekten.

Durch die Analyse verwandter Sequenzen werden wichtige strukturelle Elemente, wie die Grenzen zwischen Exons und Introns (Teilen von Genen), besser sichtbar. Vorhersagen werden genauer, auch wenn die Sequenzen nur schwach annotiert sind. GLUH wird als Open-Source-Software veröffentlicht, um die Nutzung und Weiterentwicklung durch die bioinformatische Forschungsgemeinschaft zu fördern und die Lücken in der Genannotation bei wenig erforschten Arten zu schließen.