摘要：美国研究人员开发出一个新的人工智能模型，经过大量数据的训练后，该模型能精确预测各种人体细胞内部的基因表达情况，将为生物和医学研究带来便利。 这个名为“通用表达转换器”（GET）的模型由美国...
美国研究人员开发出一个新的人工智能模型，经过大量数据的训练后，该模型能精确预测各种人体细胞内部的基因表达情况，将为生物和医学研究带来便利。
这个名为"通用表达转换器"（GET）的模型由美国哥伦比亚大学和卡内基梅隆大学等机构研究人员联合开发，其准确性和有效性已得到实验验证，论文发表在新一期英国《自然》杂志上。
在基因表达过程中，以DNA形式储存的基因"蓝图"转录成为RNA形式的"抄本"，后者指导合成出蛋白质，执行具体的生理功能。参与转录调控的生物分子种类繁多，相互作用极为复杂，此前相关预测模型局限于几种特定的细胞，尤其是癌细胞，缺乏适用于人体多种细胞类型的通用工具。
研究人员根据转录调控机制的特点设计出机器学习模型，然后用来自1.3万个人体细胞的基因测序和表达数据对其进行训练。这些细胞涵盖213种人类胚胎细胞和成体细胞，都来自没有病变的正常人体组织。
就像ChatGPT等人工智能工具能根据大量语料总结出通用语法规则，GET模型也能从训练数据中总结出关于转录调控的"语法"，在此基础上能对其没有接触过的细胞类型进行基因表达预测。
该模型可用于揭示致病基因的作用机制，指导癌症和遗传疾病研究。例如某种儿童白血病的患者携带一个功能不明的变异基因，GET模型预测该基因会扰乱细胞中两种转录因子的相互作用，实验数据证实了这一结论。
研究人员说，该模型还可用于探寻基因组中"暗物质"的作用。蛋白质编码基因序列只占人类基因组的一小部分，占比达98%的非编码区域就像宇宙中的暗物质一样，其属性和功能目前难以捉摸。
