7月9日消息，浙江大學(xué)郭國(guó)驥教授團(tuán)隊(duì)在《細(xì)胞》雜志發(fā)表重要成果。

他們開發(fā)多任務(wù)深度學(xué)習(xí)模型女媧CE(NvwaCE)，實(shí)現(xiàn)從基因組序列到單細(xì)胞水平調(diào)控序列圖譜的直接預(yù)測(cè)，在基因組AI領(lǐng)域取得重大突破。

基因組由DNA構(gòu)成，包含編碼蛋白質(zhì)的序列及大量調(diào)控序列，二者共同決定生物體的復(fù)雜特征。自2003年人類基因組計(jì)劃繪制出基因圖譜后，對(duì)其中遺傳信息的破譯卻不足10%。

AI的出現(xiàn)為解讀基因序列提供了新途徑，但基因組AI模型受數(shù)據(jù)質(zhì)量制約。

郭國(guó)驥團(tuán)隊(duì)基于自主研發(fā)的超高通量超靈敏單核ATAC測(cè)序技術(shù)(UUATAC-seq)，為基因組AI模型訓(xùn)練打造了高質(zhì)量“教材”。

通過學(xué)習(xí)UUATAC-seq產(chǎn)生的高質(zhì)量數(shù)據(jù)，該模型掌握了脊椎動(dòng)物調(diào)控序列編碼規(guī)則，可基于一維DNA序列預(yù)測(cè)單細(xì)胞中的染色質(zhì)可及性水平，且具備高泛化能力，能預(yù)測(cè)未經(jīng)訓(xùn)練物種的染色質(zhì)可及性圖譜，其對(duì)人類調(diào)控元件可及性的預(yù)測(cè)與實(shí)驗(yàn)測(cè)量相關(guān)性良好。

在實(shí)際應(yīng)用中，“女媧CE”表現(xiàn)出色，超越現(xiàn)有基因組AI模型，可精準(zhǔn)預(yù)測(cè)合成突變對(duì)譜系特異性調(diào)控序列功能的影響，還能結(jié)合疾病表型設(shè)計(jì)治療位點(diǎn)。

團(tuán)隊(duì)通過基因編輯實(shí)驗(yàn)，驗(yàn)證了“女媧CE”預(yù)測(cè)的鐮刀型貧血癥治療性基因位點(diǎn)HBG1-68:A>G，經(jīng)基因治療后胎兒血紅蛋白表達(dá)量顯著提升，這是世界首例由人工智能設(shè)計(jì)的人類疾病治療位點(diǎn)。

相比國(guó)外同類模型，“女媧CE”基于高質(zhì)量單細(xì)胞圖譜數(shù)據(jù)，對(duì)幾乎所有細(xì)胞類型實(shí)現(xiàn)了AUROC>0.90的預(yù)測(cè)準(zhǔn)確率。

未來(lái)，“女媧CE”將在生命科學(xué)、醫(yī)學(xué)和農(nóng)學(xué)等領(lǐng)域發(fā)揮重要作用，助力全面解讀基因組語(yǔ)言、建立數(shù)字生命模型。