es un organismo de referencia, que ha sido estudiado en profundidad por la comunidad científica durante décadas, obteniendo una vasta cantidad de datos metabólicos y genéticos. Entre estos datos, se encuentran estimaciones de la velocidad de traducción de los ribosomas a lo largo de su genoma. Estas estimaciones se basan en perfiles de Ribo-Seq, donde la abundancia de un fragmento particular de ARNm en un perfil indica que fue muestreado muchas veces dentro de una célula. Varios datos de perfiles de Ribo-Seq están disponibles para , sin embargo, no siempre muestran un alto grado de correspondencia, lo que significa que pueden variar significativamente en diferentes configuraciones experimentales, caracterizándose por una baja reproducibilidad. De hecho, dentro de los perfiles de Ribo-Seq, la velocidad de traducción para algunas secuencias es más fácil de estimar, mientras que para otras, se evidencia una distribución desigual de consenso entre las diferentes estimaciones. Nuestro objetivo es desarrollar un método de inteligencia artificial que pueda ser entrenado en un pequeño grupo de secuencias altamente reproducibles para establecer su tasa de traducción, la cual luego se puede aprovechar para calcular una estimación más fiable de la velocidad de traducción en el resto del genoma.