预测精度媲美实验！哥大团队开发可解释细胞「基础」模型，揭示213种人类细胞调控语法

今天golang学习网给大家带来了《预测精度媲美实验！哥大团队开发可解释细胞「基础」模型，揭示213种人类细胞调控语法》，其中涉及到的知识点包括等等，无论你是小白还是老手，都适合看一看哦~有好的建议也欢迎大家在评论留言，若是看完有所收获，也希望大家能多多点赞支持呀！一起加油学习~

哥伦比亚大学研究人员开发出一种名为GET（通用表达转换器）的全新可解释基础模型，用于揭示人类细胞转录调控机制。该模型利用染色质可及性数据和基因组序列信息，在预测基因表达方面取得了突破性进展，其精度甚至可以媲美实验结果，即使面对此前未曾接触过的细胞类型也能保持高准确率。

GET模型的优势在于其通用性和可扩展性。它能够适应不同的测序平台和检测方法，对广泛的细胞类型和条件进行调控推断，并识别出通用和细胞类型特异性的转录因子相互作用网络。这与以往针对特定细胞类型训练的模型形成了鲜明对比。

研究通讯作者Raul Rabadan教授指出，GET模型的工作原理类似于ChatGPT等大型语言模型，通过学习大量数据中的底层规则，进而应用于新的情况。这项研究有望将生物学从描述性科学转变为预测性科学，从而更深入地理解细胞行为和疾病机制。

GET模型在识别顺式调控元件方面表现出色，并发现了此前未知的胎儿血红蛋白上游调节剂。此外，它还构建了人类转录因子和辅激活因子的结构相互作用目录，并揭示了淋巴细胞特异性转录因子相互作用以及白血病相关生殖系变异的潜在致病机制。

目录链接：https://huggingface.co/spaces/get-foundation/getdemo

尽管GET模型具有显著优势，但仍存在一些局限性，例如主要依赖于染色质可及性数据，以及分辨率限制等。未来，研究人员计划整合更多类型的生物信息，例如三维染色质结构和单细胞数据，以提升模型的准确性和预测能力。

通过整合基因组变异信息和基因调控动力学数据，GET模型有望在预测基因组变异对基因调控的影响方面发挥更大作用，并为疾病的遗传基础研究提供新的视角。此外，基于GET模型，研究人员还可以开发新的治疗干预策略。

论文链接：https://www.nature.com/articles/s41586-024-08391-z

相关报道：https://phys.org/news/2025-01-biologists-ai-cells.html

以上就是《预测精度媲美实验！哥大团队开发可解释细胞「基础」模型，揭示213种人类细胞调控语法》的详细内容，更多关于产业的资料请关注golang学习网公众号！