TaxoFormer: Hierarchical Transformer for Predicting the Full Taxonomic Lineage of Protein Sequences
Il documento introduce TaxoFormer, un'architettura Transformer gerarchica che utilizza uno schema di tokenizzazione strutturato per rappresentare senza perdite l'imponente albero filogenetico di NCBI, consentendo a un semplice modello generativo di prevedere accuratamente intere linee tassonomiche proteiche e di apprendere rappresentazioni filogenetiche significative da 188 milioni di sequenze.