Ré-annotation de l’ORFéome humain avec l’apprentissage profond

Des travaux récents ont révélé des preuves de traduction pour des milliers de séquences codantes (CDS) jusqu'alors non reconnues, élargissant de manière significative la portée du protéome humain. Toutefois, il est possible que de nombreuses CDS restent encore négligées ou sous-estimées en raison de contraintes expérimentales et de biais inhérents, ce qui limite la compréhension de la diversité totale du protéome humain. Pour pallier ce problème, le développement de FOMOnet (« Fear Of Missing ORFs neural network »), une adaptation de l'architecture du réseau à convolutions U-Net pour la segmentation de séquences biologiques, se veut une solution. Entraîné sur un ensemble de 19,507 ARN messagers (ARNm) humains, FOMOnet affiche une performance élevée dans l'identification de CDS, atteignant des scores de 99.8% et 99.7% pour l'aire sous la courbe ROC (« Receiver Operating Characteristic ») et PR (« Precision-recall »), respectivement. Il est démontré que FOMOnet surclasse les outils existants destinés à identifier les CDS, tout en offrant une efficacité informatique élevée et en requérant un faible volume de données d'entraînement par rapport aux méthodes existantes.