人工智能新模型可解码DNA隐藏“语言”

  科技日报北京 8 月 6 日电 (记者张佳欣)DNA 包含了维持生命所需的基础信息。理解这些信息是如何存储和组织的,一直是 20 世纪最大的科学挑战之一。现在,借助 GROVER 这一基于人类 DNA 训练的新型大型语言模型,研究人员有望解码基因组中隐藏的复杂信息。GROVER 由德国德累斯顿工业大学生物技术中心开发,它将人类 DNA 视为文本,通过学习其规则和上下文来提取 DNA 序列的功能信息。这一新工具有望彻底改变基因组学并加速个性化医疗的发展。相关研究论文发表在新一期《自然·机器智能》杂志上。

  大型语言模型通过文本训练,发展出了在多种语境下使用语言的能力。研究人员设想将生命代码 DNA 当作一种语言,训练了一个大型语言模型——GROVER。

  在语言方面,人们谈论的是语法、句法和语义。而对于 DNA 来说,这意味着学习核苷酸的序列等。就像 GPT 模型学习人类语言一样,GROVER 基本上学会了 DNA“语言”。

  研究表明,GROVER 不仅能准确地预测接下来的 DNA 序列,还可用来提取具有生物学意义的上下文信息,例如识别 DNA 上的基因启动子或蛋白质结合位点。此外,GROVER 还学习了“表观遗传”过程,即在 DNA 序列不发生改变的情况下,基因表达的可遗传变化。

  GROVER 有望解锁 DNA 中蕴含着关于人类本质、疾病易感性以及对治疗反应的关键信息。研究人员相信,通过语言模型理解 DNA 的规则,将有助于揭示隐藏在 DNA 中的生物意义,从而推动基因组学和个性化医学发展。