CGM第450期：基于DNA语言模型的跨物种植物基因组单碱基精度功能预测
2024年11月6日CGM-EU
DNA 语言模型能否跨物种预测植物基因组的单碱基功能？报告介绍基于大语言模型的功能注释与有害变异预测。
翟晶晶
康奈尔大学
翟晶晶博士2022年在西北农林科技大学获得生物信息学博士学位，现为康奈尔大学Edward Buckler教授实验室博后。研究方向为：通过运用机器学习/深度学习技术，整合群体基因组、转录组等生物大数据，挖掘并注释植物中的功能性变异，揭示作物表型与基因型之间的复杂关联，为农作物遗传改良提供科学依据与参考。
由于植物基因组的高度复杂多样性，跨物种预测面临巨大挑战。本研究借助大语言模型的最新进展，基于16种被子植物的基因组预训练了植物基因组模型PlantCaduceus，以学习被子植物中DNA序列的“语言”模式。随后，我们对PlantCaduceus模型进行微调，并将其应用于转录和翻译的起始和终止位点预测。结果显示，PlantCaduceus在跨物种预测中表现出最佳精度，同时还能够识别全基因组范围内的有害变异，其性能与当前最先进的蛋白质语言模型ESM2相当。此外，PlantCaduceus还成功鉴定出拟南芥和玉米基因组中的已知因果变异。
参考文献
- Zhai Jingjing, Gokaslan Aaron, Schiff Yair, Berthel Ana, Liu Zong-Yan, Lai Wei-Yun, Miller Zachary R., Scheben Armin, Stitzer Michelle C., Romay M. Cinta, Buckler Edward S., Kuleshov Volodymyr. Cross-species modeling of plant genomes at single-nucleotide resolution using a pretrained DNA language model. Proceedings of the National Academy of Sciences. 2025;122(24):e2421738122. DOI: 10.1073/pnas.2421738122
评论（0）
登录后即可发表评论。
登录暂无评论，来发表第一条评论吧！