一种新的预测性AI系统已经开发出来，可以精确预测人类细胞中的基因活动。这项研究由哥伦比亚大学瓦格洛斯内外科医学院的Raul Rabadan博士领导，旨在更好地调查和理解正常和病变细胞内部的工作原理。
Rabadan表示：“预测性的通用计算模型使我们能够快速而准确地揭示生物过程。”他还指出：“这些方法可以有效地进行大规模计算实验，从而增强并指导传统实验方法。”
该模型及其分析结果发表在《自然》杂志上，题为“人类细胞类型的转录基础模型”。新开发的模型填补了当前细胞生物学研究方法中的一项空白。传统方法通常是回顾性的，即分析已经发生或正在发生的细胞变化，通常涉及逐步改变条件来评估细胞反应。然而，现有方法无法精确预测可能发生的多种潜在变化。因此，Rabadan和他的团队开发了一个前瞻性的AI模型。
Rabadan认为：“能够准确预测细胞活动将彻底改变我们对基本生物过程的理解。”他推测，这项新技术的影响可能会“使生物学从描述看似随机的过程转变为预测支配细胞行为的基本系统”。
Rabadan和他的团队最初计划使用AI模型研究正常细胞，但他们意识到大多数模型都集中在特定细胞类型和疾病上。“以前的模型通常是基于特定细胞类型的数据训练的，通常是癌细胞系或其他与正常细胞差异较大的样本”，Rabadan解释道。
哥伦比亚大学团队开发的AI模型——GET（通用表达转换器）用于“揭示213种人类胎儿和成人细胞类型的调控语法”。GET利用染色质可及性数据和基因组序列，从数百万个正常人体组织中获得的细胞预测基因表达模式。这些数据训练了GET，使其能够理解细胞的一般功能，从而实现对正常或病变细胞的预测能力。
GET的工作方式类似于ChatGPT和其他基于语言的AI。该模型开发了细胞功能的规则，就像大型语言模型（LLM）中的语法规则一样。“这里的情况完全相同：我们在许多不同的细胞状态下学习语法规则，然后进入特定条件——无论是病变还是正常细胞类型——我们可以尝试看看我们能否从这些信息中准确预测模式”，Rabadan解释说。
在描述他们模型的新颖功能时，作者写道：“GET还展示了在新的测序平台和检测中的显著适应性，能够在广泛的细胞类型和条件下进行调控推理，并揭示普遍的和特定于细胞类型的转录因子相互作用网络。”
该模型被评估用于病变细胞的应用，包括儿童白血病的应用模型。GET用于预测破坏淋巴细胞中转录因子相互作用的突变，“解释了一个导致白血病风险的胚系突变的功能意义”，作者写道。GET的预测通过实验室实验得到了验证。
除了用于理解病变细胞中突变的功能影响外，GET还可以扩展到探索基因组中非编码、通常是调控区域的研究中。
Rabadan说：“在癌症患者中发现的绝大多数突变位于所谓的基因组暗区。这些突变不会影响蛋白质的功能，而且大部分尚未被探索。”“我们的想法是，使用这些模型，我们可以观察突变并照亮这部分基因组。”
GET在健康和不健康细胞中生成准确的细胞功能预测的能力，为新的实验方法打开了大门，可能提高理解复杂疾病的速度和准确性。随着AI技术的不断进步，Rabadan设想这种模型及其类似模型在未来研究中会有更广泛的应用。
Rabadan总结道：“这确实是一个新的生物学时代，极其令人兴奋；将生物学转变为一门预测科学。”
(全文结束)
