我是遗传学和分子生物学的博士生，正在研究一种算法，以使用卷积神经网络识别 DNA 序列是转座因子 (TE) 还是不是 TE，并且它已经按照我想要的方式工作了它（当然我一直在努力改进它）。

输入是一个包含多个 DNA 序列的FASTA 文件。该算法分析每个序列并返回它是否是 TE，但问题是：不一定整个序列都是 TE；在许多情况下，只是一个片段（如字符串的子字符串）就是一个 TE。

我想知道是否有办法映射坐标和/或返回代表 TE 的片段。对我来说，这似乎有点棘手，因为一个热编码、展平等的所有序列预处理，而且我不知道原始的零和一序列如何返回我想要的。虽然我知道一些 python，并且我正在研究机器学习和深度学习以了解它是如何工作的，但我的领域是生物科学而不是计算机科学或相关的东西。

在这里，我将尝试举例说明上述内容。

假设我有这三个序列，小写的子字符串（只是为了示例，不会这样）是 TE。

>NAD4
TAATATTAAGATaggattgggattgtatgaagggttaaaattaatatttctataatattaatagaaaaaaagttgttaagatttttatttacgaagccatgttgagttcttCCAAAAA
>NAD4-V
CTAGTTAAAAGTAAATGTTaagataaggattgggattgtatgaagggttaaaattaatatttctataatattaatagaaaaaaagttgttAAGATTTTTATTTACGAAGCCATGTTGAG
>STL-M
TCGAAGAAGGGGTCATTAAATTTACTTTTGCTTTTTATACTATATTAGATCTTAAATCGTTTATATGTTTTTTTTAAAAAAACTATAAAGTTACCCACAAATAGAAAATTTGTTGTGCT

我想有类似以下的输出：

ID  Classification  Coordinates Sequence
NAD4       TE          13:112   aggattgggattgtatgaagggttaaaattaatatttctataatattaatagaaaaaaagttgttaagatttttatttacgaagccatgttgagttctt
NAD4-V     TE          20:91    aagataaggattgggattgtatgaagggttaaaattaatatttctataatattaatagaaaaaaagttgtt
STL-M      NT          NaN      NaN

我是否对神经网络要求太多，并且我必须在预测后使用一些工具/自定义脚本来计算序列和/或坐标？