2003年，科学家首次遵循人类基因组，宣布所有构成我们生活的“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。 《自然杂志》报告说，“主观 - 遵循”模型可以预测一系列出现的SESO中部分DNA变化的影响，该模型提供了读取人类基因调节机制的新途径。 “滚动”的工具来照亮DNA-辅助 Alphafold 2在2020年由Deep Thinking推出科学界已经发生了数十年：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”。这些算子主要反映在DNA基因表达的调节中，例如确定何时出现或转向一个基因，其细胞具有纸张，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。涉及的信息级别更为复杂，并且具有更广泛的关联，并且相同的DNA FragmenT可以在不同的时间和不同类型的细胞中扮演不同的角色，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集中于单个功能。科学家们渴望“综合”的thattool来照亮DNA的依从性，因此“ alpha基因组”已成为。 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。它不仅捕获了远程基因组的背景，而且还提供了准确的基础水平，疾病生物学领域的研究视野的扩展，稀有变体研究，DNA合成设计等等。 一次可以持有数百万的基础对 根据官方知识分子网站，该模型一次可以处理多达100万个碱基对并预测成千上万的分子特性，包括基因表达，分裂模式，结合蛋白质的位点和访问染色质的位点，这些位点涵盖了各种不同类型的细胞。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“ Alpha基因组”实践数据集源自许多可用的Hyperscale数据源。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，这是一种最初的连接，是一种可以预测与疾病（例如囊性FI）相关的RNA异常的模型北极和脊柱肌肉萎缩。 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，这是T细胞慢性淋巴细胞性白血病中已知的致病过程。 该模型尚不适合个人诊断 尽管“ Alpha基因组”的表现令人惊讶，但深思熟虑的团队表示，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离子，它也没有预测祖先的疾病或信息的风险，例如23andme或临床遗传检查。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，并且它不是动态机械学的完全模型，而不同状态和组织中细胞的调节。 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，转录状态等。-dna的接触。-接合 - up -up。以及更现实地模仿生物学过程的“多时间量表”因素。