用户名  找回密码
 立即注册
搜索

人工智能揭秘DNA中的“暗物质”

[XinWen.Mobi 原创复制链接分享]
xinwen.mobi 发表于 2025-7-2 10:45:38 | 显示全部楼层 |阅读模式
DNA中的“暗物质”通常是指基因组中的非编码区域。这些区域约占人类基因组的98%,虽不直接编码蛋白质,但对基因调控和细胞功能有重要影响,可能蕴藏着关键的生物学秘密。人工智能在揭秘DNA中的“暗物质”方面发挥了重要作用,典型的是DeepMind公司开发的AlphaGenome模型。相关介绍如下:模型简介:AlphaGenome是一个以DNA序列为输入,预测多种基因调控相关分子特性的深度学习模型。它能接受长达100万碱基对的DNA序列,分析其中调控逻辑,并对单碱基变异功能性影响进行高分辨率预测。神经网络结构:    输入层:通过独特的碱基编码和位置编码机制,输入最长100万个碱基的DNA序列,保留序列空间位置信息,可囊括目标基因及其上下游远程调控元件。    特征提取层:由卷积神经网络(CNN)层和Transformer层组成。CNN层对局部序列编码,识别短程调控信号;Transformer层基于自注意力机制,建模任意两个碱基间潜在相互作用,学习长距离调控依赖关系。    输出层:通过多任务学习框架,将序列特征转化为不同模态预测输出,涵盖基因表达量、RNA剪接位点等多个生物过程。主要功能:    预测关键分子特征:可预测不同细胞类型中基因起始和终止位置、RNA剪接事件位置与频率、不同组织中RNA表达量、DNA可及性及三维结构中相邻区域、DNA与转录因子或其他调控蛋白结合位点等。    变异评分:支持输入突变前后序列,通过比较预测结果,对变异可能造成的功能性影响进行评分。    剪接位点建模:是首个可直接预测剪接位点及其使用强度的模型,对研究RNA剪接异常相关遗传病有重要价值。研究成果:在24项DNA序列功能预测任务中,AlphaGenome在22项任务中超越了当前最佳模型;在26项遗传变异影响预测任务中,有24项结果达到或超过现有最高水平。应用领域:    疾病机制解析与罕见病研究:可协助识别功能性变异位点,精准预测其在多种调控层面的潜在影响,帮助厘清致病机制,识别关键调控节点与候选治疗靶点。    合成生物学与基因治疗设计:可用于预测不同DNA片段在特定细胞类型中的调控活性,实现合成调控元件的功能预测与优化,为精准控制基因表达和构建基因治疗载体提供技术支持。    基础功能基因组学研究:能协助科研人员在全基因组尺度上识别调控性功能元件,有助于构建高分辨率的细胞类型特异性功能基因组图谱,推动人类基因调控网络的系统化解析。局限性:模型训练数据来源于静态条件下的组学测定,难以反映细胞在发育、应激、分化等生理过程中发生的动态变化。且当前模型主要基于人类与小鼠数据训练,泛化至其他物种的预测效果尚未充分评估。
回复

举报

QQ|手机版|标签|新闻移动网xml|新闻移动网txt|全球新闻资讯汇聚于 - 新闻移动网 ( 粤ICP备2024355322号-1|粤公网安备44090202001230号 )

GMT+8, 2025-7-20 06:14 , Processed in 0.052626 second(s), 18 queries .

Powered by Discuz! X3.5

© 2001-2025 Discuz! Team.

消息来源网络

快速回复 返回顶部 返回列表