[科学和技术创新的世界潮流]◎记者张王（Zhang Jiaxin）于2003年首次遵循人类基因组，揭示了所有构成我们生活中“蓝图”的DNA。尽管98％的基因组并未直接专用蛋白质，但它们仍然深深影响基因调节和细胞功能。这些非编码区域曾经考虑过“垃圾DNA”，但现在被认为包含重要的生物学秘密，例如遗传世界中的“黑暗事物”。今年6月25日，一个深刻的想法宣布，他们开发了一种名为Alphagenome的人工智能模型（AI），预计将在破译这个“深色物体”中取得突破。 Nature Magazine报告说，“子被关注” Modelo可以预测一系列分子过程中部分DNA变化的影响，从而提供了读取人类基因调节机制的新途径。解释DNA序列的“集成”工具在2020年“ Alphafold 2”发起的深刻思想，成功地破解了科学界数十年来发生的问题：如何基于蛋白质的氨基酸顺序准确预测三维结构。这一突破不仅改变了结构生物学的研究方法，而且促进了新的研究和药物开发的过程。相反，了解DNA的功能更为复杂，因为它没有像蛋白质那样具体的“正确答案”。这些功能主要是在DNA基因表达的调节表达中观察到的，例如确定何时打开或打开基因，细胞具有作用以及表达的强度。如果蛋白质结构的预测是沿海沿岸“部分”的三维模型，那么DNA功能的DNA功能是了解每个符号的真实含义，注释，开关命令甚至手册中的“暗对象”区域。 t涉及的信息水平更为复杂，并且具有更广泛的关联，并且相同的DNA片段可以在不同的时间和不同类型的细胞中起不同的作用，因此建模比蛋白质更困难。几十年来，生物学家一直试图使用各种计算工具来揭示DNA调节的复杂和秘密机制，但是这些模型倾向于关注IS IS单个功能。科学家们渴望使用“综合”工具来照亮DNA的依从性，因此“ alpha基因组”已经存在。根据美国Fun Engineering网站的说法，与以前的模型不同，该模型需要在“序列长度”和“预言精度”之间进行权衡，“ Alpha Genome”也取得了相同的成就。根据官方网站深思熟虑，该模型可以在一个小时内最多处理100万对碱基，并预测一千次对，并预测和预测一次性分子特征，以及基因表达，分裂模式，蛋白质结合位点，占用不同类型的不同类型的细胞。这是AI系统首次可以成为如此广泛的监管特征的联合模型。用于多个公众的“ Alpha基因组”培训的数据集揭示了超尺度数据资源。令人惊讶的是，完整模型的培训仅需4个小时，计算资源只是上一代模型的一半。在26个基准测试中，其中24个表现要比专用模型更好或更平坦。新模型的亮点是变体标记系统，它可以很好地比较突变前后的DNA依从性，并评估其对许多生物途径的影响。 “ alpha基因组”还具有分裂位点的操作，第一次是一个可以预测与囊性纤维化和脊柱肌肉萎缩等疾病有关的RNA异常的模型。在合成生物学领域，“α基因组”可用于设计特定的法规，例如仅在神经细胞中激活某些基因，同时使它们平静为肌肉细胞。同时，预计还将使用具有强大生物学作用的稀有遗传变异，例如导致门德尔遗传疾病的突变。在验证中，研究人员将“α基因组”应用于先前研究中发现的特定白血病相关突变。结果，该模型准确地预测某些非编码区域变体不会直接激活附近的TAL1致癌代，该机制称为致病性PTELL T细胞慢性淋巴细胞性白血病。该模型尚不适用于个人诊断。尽管“ alpha基因组”的表现令人惊讶，但深思熟虑的团队说该系统仍然存在许多局限性。它不是为单个基因组解释而设计的，也不是为祖先（例如23andMe或临床遗传检查）预测疾病或信息的风险。也就是说，该模型不适合个人诊断或医疗决策。当前的“α基因组”训练数据仅限于人类和大鼠，并且尚未覆盖其他物种，其跨物种的灵活性仍有待证明。同时，确定调节元件和目标目标之间关系的能力（超过100,000个基碱基）仍然很弱，并且它不是完全调节不同状态和组织中细胞的动态调节机制的模型。彼得·库（Peter Ku）是美国冷春港实验室中的一名计算生物学家，他指出：“这些模型通常在固定状态下训练，但现实中的细胞是动态的，蛋白质水平，DNA化学变化，转录状态，ETC。 - 两个DNA的接触。 “因此，未来的模型需要将更多的“多模式”和“多时间尺度”因素引入更现实的模拟生物学过程。