详细内容或原文请订阅后点击阅览
利用 AlphaGenome 推进调控变异效应预测
根据 DNA 序列预测功能基因组测量结果的深度学习模型是破译遗传调控密码的强大工具。现有方法涉及输入序列长度和预测分辨率之间的权衡，从而限制了它们的模态范围和性能1,2,3,4,5。我们推出了 AlphaGenome，这是一个统一的 DNA 序列模型，它以 1 Mb 的 DNA 序列作为输入，并通过不同的模式预测数千个功能基因组轨迹，最高可达单碱基对分辨率。这些模式包括基因表达、转录起始、染色质可及性、组蛋白修饰、转录因子结合、染色质接触图、剪接位点使用以及剪接连接坐标和强度。 AlphaGenome 在人类和小鼠基因组上进行训练，在 26 项变异效应预测评估中的 25 项中匹配或超过了最强的可用外部模型。 AlphaGenome 同时对所有模式的变异效应进行评分的能力准确地概括了 TAL1 癌基因附近临床相关变异的机制。为了促进更广泛的使用，我们提供了用于根据序列进行基因组追踪和变异效应预测的工具。
来源:La Biblia de la IA🔘 论文页面：nature.com/articles/s41586-025-10014-0
摘要
根据 DNA 序列预测功能基因组测量结果的深度学习模型是破译遗传调控密码的强大工具。现有方法涉及输入序列长度和预测分辨率之间的权衡，从而限制了它们的模态范围和性能。我们提出了 AlphaGenome，一个统一的 DNA 序列模型，它以 1MB 的 DNA 序列作为输入，并通过不同的模式预测数千个功能基因组轨迹，最高可达单碱基对分辨率。这些模式包括基因表达、转录起始、染色质可及性、组蛋白修饰、转录因子结合、染色质接触图、剪接位点使用以及剪接连接坐标和强度。 AlphaGenome 在人类和小鼠基因组上进行训练，在 26 项变异效应预测评估中的 25 项中匹配或超过了最强的可用外部模型。 AlphaGenome 同时对所有模式的变异效应进行评分的能力准确地概括了 TAL1 癌基因附近临床相关变异的机制。为了促进更广泛的使用，我们提供了用于根据序列进行基因组追踪和变异效应预测的工具。
作者
Avsec, Ž.、Latysheva, N.、Cheng, J.等
喜欢这篇文章吗？关注此博客以获取更多信息。