Исследователи представили RiboPipe — новый вычислительный фреймворк, предназначенный для решения проблемы разреженного покрытия данных рибосомного профилирования (Ribo-seq). Основная задача метода заключается в точной импутации (восстановлении) покрытия на уровне кодонов для транскриптов с низким уровнем считывания, что критически важно для количественного анализа трансляции. Методология RiboPipe базируется на трех принципах: совместной оптимизации предсказания средней нагрузки рибосом (MRL) и моделирования покрытия на уровне кодонов, использовании функции потерь с весовыми коэффициентами пиков (peak-weighted loss) для акцента на позициях трансляционной паузы, а также высокой эффективности при малых объемах данных. В ходе тестирования на наборах данных GSE233886 и GSE133393 было доказано, что использование простых one-hot представлений превосходит предобученные эмбеддинги языковых моделей. RiboPipe демонстрирует стабильную сходимость и масштабируемость, позволяя получать надежные данные о трансляции даже при дефиците исходных чтений.