新聞中心

EEPW首頁 > 智能計算 > 業(yè)界動態(tài) > 破解生命密碼:新AI模型學(xué)習(xí)DNA的隱藏語言

破解生命密碼:新AI模型學(xué)習(xí)DNA的隱藏語言

作者:EEPW 時間:2024-08-07 來源:EEPW 收藏

Warning: file_get_contents(): SSL: Connection reset by peer in /var/www/html/www.edw.com.cn/www/rootapp/controllerssitemanage/ManagecmsController.php on line 2068 Warning: file_get_contents(): Failed to enable crypto in /var/www/html/www.edw.com.cn/www/rootapp/controllerssitemanage/ManagecmsController.php on line 2068 Warning: file_get_contents(https://scx1.b-cdn.net/csz/news/800a/2024/cracking-the-code-of-l.jpg): failed to open stream: operation failed in /var/www/html/www.edw.com.cn/www/rootapp/controllerssitemanage/ManagecmsController.php on line 2068

本文引用地址:http://m.butianyuan.cn/article/202408/461754.htm

Cracking the Code of Life: New AI Model Learns DNA's Hidden Language

DNA包含維持生命所需的基礎(chǔ)信息。理解這些信息是如何存儲和組織的,是上個世紀(jì)最偉大的科學(xué)挑戰(zhàn)之一。

通過GROVER,一個在人體DNA上訓(xùn)練的新型大型語言模型,研究人員現(xiàn)在可以嘗試解碼隱藏在我們基因組中的復(fù)雜信息。

由德累斯頓工業(yè)大學(xué)生物技術(shù)中心(BIOTEC)的團(tuán)隊開發(fā),GROVER將人體DNA視為文本,通過學(xué)習(xí)其規(guī)則和上下文來提取關(guān)于DNA序列的功能信息。這個新工具在《自然機(jī)器智能》期刊上發(fā)表,具有變革基因組學(xué)和加速個性化醫(yī)療的潛力。

自從發(fā)現(xiàn)雙螺旋結(jié)構(gòu)以來,科學(xué)家們一直在努力理解DNA中編碼的信息。70年后,很明顯,DNA中隱藏的信息是多層次的?;蚪M中只有1-2%的部分由編碼蛋白質(zhì)的基因組成。

“DNA的功能遠(yuǎn)不止編碼蛋白質(zhì)。一些序列調(diào)節(jié)基因,其他的有結(jié)構(gòu)用途,大多數(shù)序列同時具有多種功能。目前,我們對大多數(shù)DNA的意義還不了解。對于非編碼區(qū)域的理解,我們似乎才剛剛開始。這是和大型語言模型可以發(fā)揮作用的地方,”BIOTEC研究組組長Anna Poetsch博士說。

DNA作為一種語言

像GPT這樣的大型語言模型已經(jīng)改變了我們對語言的理解。這些模型只在文本上訓(xùn)練,發(fā)展出了在許多上下文中使用語言的能力。

“DNA是生命的密碼。為什么不把它當(dāng)作一種語言來對待呢?”Poetsch博士說。Poetsch團(tuán)隊在參考人類基因組上訓(xùn)練了一個大型語言模型。這個名為GROVER(Genome Rules Obtained via Extracted Representations)的工具可以用來從DNA中提取生物學(xué)意義。

“GROVER學(xué)會了DNA的規(guī)則。用語言來比喻,我們談?wù)摰氖钦Z法、句法和語義。對于DNA,這意味著學(xué)習(xí)序列的規(guī)則、核苷酸和序列的順序以及序列的意義。就像GPT模型學(xué)習(xí)人類語言一樣,GROVER基本上學(xué)會了如何‘說’DNA,”項(xiàng)目研究人員Melissa Sanabria博士解釋道。

團(tuán)隊展示了GROVER不僅能準(zhǔn)確預(yù)測下一個DNA序列,還能用于提取具有生物學(xué)意義的上下文信息,例如識別基因啟動子或DNA上的蛋白質(zhì)結(jié)合位點(diǎn)。GROVER還學(xué)習(xí)了通常被認(rèn)為是“表觀遺傳”的過程,即發(fā)生在DNA上的調(diào)控過程,而不是編碼在DNA中的過程。

“令人著迷的是,通過僅使用DNA序列訓(xùn)練GROVER,而沒有任何功能注釋,我們實(shí)際上能夠提取出關(guān)于生物功能的信息。對我們來說,這表明功能,包括一些表觀遺傳信息,也是編碼在序列中的,”Sanabria博士說。

DNA字典

“DNA類似于語言。它有四個字母構(gòu)建序列,序列攜帶意義。然而,不同于語言,DNA沒有定義的單詞,”Poetsch博士說。DNA由四個字母(A、T、G和C)和基因組成,但沒有預(yù)定義的不同長度的序列組合來構(gòu)建基因或其他有意義的序列。

為了訓(xùn)練GROVER,團(tuán)隊首先創(chuàng)建了一個DNA字典。他們使用了壓縮算法的一個技巧?!斑@一步至關(guān)重要,使我們的DNA語言模型與之前的嘗試不同,”Poetsch博士說。

“我們分析了整個基因組,尋找最常出現(xiàn)的字母組合。我們從兩個字母開始,一遍又一遍地遍歷DNA,逐步構(gòu)建出最常見的多字母組合。通過這種方式,在大約600個周期中,我們將DNA分解成‘單詞’,使GROVER在預(yù)測下一個序列時表現(xiàn)最佳,”Sanabria博士解釋道。

在基因組學(xué)中的前景

GROVER有望解鎖遺傳密碼的不同層次。DNA包含關(guān)于我們?yōu)楹纬蔀槿祟悺⑽覀儗膊〉囊赘行砸约拔覀儗χ委煹姆磻?yīng)的關(guān)鍵信息。

“我們相信,通過語言模型理解DNA的規(guī)則,將有助于我們揭示隱藏在DNA中的生物學(xué)意義的深度,推進(jìn)基因組學(xué)和個性化醫(yī)療的發(fā)展,”Poetsch博士說。



關(guān)鍵詞: AI

評論


相關(guān)推薦

技術(shù)專區(qū)

關(guān)閉