TaxoFormer: Hierarchical Transformer for Predicting the Full Taxonomic Lineage of Protein Sequences
L'article introduit TaxoFormer, une architecture Transformer hiérarchique qui utilise un schéma de tokenisation structuré pour représenter sans perte l'immense arbre phylogénétique de l'NCBI, permettant à un modèle génératif simple de prédire avec précision des lignées taxonomiques protéiques complètes et d'apprendre des représentations phylogénétiques significatives à partir de 188 millions de séquences.