新華社紐約1月11日電　美國研究人員開發(fā)出一個新的人工智能模型，經(jīng)過大量數(shù)據(jù)的訓練后，該模型能精確預測各種人體細胞內(nèi)部的基因表達情況，將為生物和醫(yī)學研究帶來便利。

這個名為“通用表達轉(zhuǎn)換器”（GET）的模型由美國哥倫比亞大學和卡內(nèi)基-梅隆大學等機構(gòu)研究人員聯(lián)合開發(fā)，其準確性和有效性已得到實驗驗證，論文發(fā)表在新一期英國《自然》雜志上。

在基因表達過程中，以DNA形式儲存的基因“藍圖”轉(zhuǎn)錄成為RNA形式的“抄本”，后者指導合成出蛋白質(zhì)，執(zhí)行具體的生理功能。參與轉(zhuǎn)錄調(diào)控的生物分子種類繁多，相互作用極為復雜，此前相關(guān)預測模型局限于幾種特定的細胞，尤其是癌細胞，缺乏適用于人體多種細胞類型的通用工具。

研究人員根據(jù)轉(zhuǎn)錄調(diào)控機制的特點設計出機器學習模型，然后用來自1.3萬個人體細胞的基因測序和表達數(shù)據(jù)對其進行訓練。這些細胞涵蓋213種人類胚胎細胞和成體細胞，都來自沒有病變的正常人體組織。

就像ChatGPT等人工智能工具能根據(jù)大量語料總結(jié)出通用語法規(guī)則，GET模型也能從訓練數(shù)據(jù)中總結(jié)出關(guān)于轉(zhuǎn)錄調(diào)控的“語法”，在此基礎上能對其沒有接觸過的細胞類型進行基因表達預測。

該模型可用于揭示致病基因的作用機制，指導癌癥和遺傳疾病研究。例如某種兒童白血病的患者攜帶一個功能不明的變異基因，GET模型預測該基因會擾亂細胞中兩種轉(zhuǎn)錄因子的相互作用，實驗數(shù)據(jù)證實了這一結(jié)論。

研究人員說，該模型還可用于探尋基因組中“暗物質(zhì)”的作用。蛋白質(zhì)編碼基因序列只占人類基因組的一小部分，占比達98%的非編碼區(qū)域就像宇宙中的暗物質(zhì)一樣，其屬性和功能目前難以捉摸。