DNABERT

收录理由

DNABERT 把自然语言处理领域大放异彩的 Transformer 架构带到了基因组分析中。它先将原始 DNA 序列切分成 k-mer 片段，再预训练一个 BERT 风格的编码器，之后你可以针对启动子预测、剪接位点识别、转录因子结合位点鉴定等具体任务做微调。仓库里提供了模型源码、使用示例、预训练权重和可视化工具，拿到基因组文件就能一步步构建任务专用模型，不必自己从零搭架构。由于代码是在 Hugging Face Transformers 基础上改造的，熟悉那个生态的人会觉得很顺手。需要留意的是，更新一代的 DNABERT-2 训练自多物种基因组，效率更高，但放在另一个独立仓库中。