Alignement de séquences assisté par apprentissage automatique

L'alignement de séquences assisté par apprentissage automatique utilise des modèles d'apprentissage statistique — incluant les réseaux neuronaux profonds et les modèles de langage protéiques — pour calculer des alignements biologiquement significatifs entre des séquences nucléotidiques ou d'acides aminés. En apprenant les motifs de substitution et les contraintes structurelles à partir de vastes corpus d'entraînement, ces méthodes surpassent les matrices de score classiques (par exemple, BLOSUM, PAM) en sensibilité pour les homologues éloignés et les régions structurellement contraintes, ce qui en fait l'état de l'art actuel pour les tâches d'alignement difficiles en génomique et en protéomique.