‘Bingo’—un flux de travail basé sur un modèle linguistique de grande taille et un réseau de neurones graphes pour la prédiction des gènes essentiels à partir de données protéiques

L'identification et la caractérisation des gènes essentiels sont au cœur de notre compréhension des fonctions biologiques fondamentales chez les organismes eucaryotes, et ont des implications importantes pour le traitement des maladies causées, par exemple, par des cancers et des pathogènes. Étant donné les contraintes majeures pour tester les fonctions des gènes de nombreux organismes en laboratoire, en raison de l'absence de cultures in vitro et/ou d'essais de perturbation génique pour la plupart des espèces métazoaires, il a été nécessaire de développer des outils in silico pour la prédiction ou l'inférence précise des gènes essentiels afin de soutenir les enquêtes en biologie des systèmes. Les avancées majeures dans les approches d'apprentissage automatique offrent des opportunités sans précédent pour surmonter ces limitations et accélérer la découverte de gènes essentiels à l'échelle du génome. Ici, nous avons développé et évalué une approche basée sur un modèle de langage de grande taille et un réseau de neurones graphes (LLM-GNN), appelée 'Bingo', pour prédire les gènes codant des protéines essentiels chez les organismes modèles métazoaires Caenorhabditis elegans et Drosophila melanogaster ainsi que chez Mus musculus et Homo sapiens (une lignée cellulaire HepG2) en intégrant LLM et GNN avec un entraînement adversarial. Bingo prédit des gènes essentiels dans deux scénarios 'zero-shot' avec apprentissage par transfert, montrant la promesse de compenser un manque de données génomiques et protéomiques de haute qualité pour les organismes non-modèles. De plus, les mécanismes d'attention et GNNExplainer ont été employés pour manifester les sites fonctionnels et le domaine structurel ayant la plus grande contribution à l'essentielle. En conclusion, Bingo offre la perspective de pouvoir inférer avec précision les gènes essentiels d'organismes peu ou sous-étudiés d'intérêt et fournit une explication biologique pour l'essence des gènes.