跳到正文
原文
Nature Genetics· Wei Li·· 20 小时前评分47

GPN-Star:基于系统发育信息的基因组预测

Phylogeny-informed genomic prediction with GPN-Star

导读

GPN-Star 是 Ye 等人提出的系统发育信息基因组语言模型,通过多物种全基因组比对与对应系统发育树训练,可预测影响人类遗传疾病易感性的编码与非编码功能变异,并增强复杂性状遗传力富集。

深度解读

发生了什么

2026年10月8日Nature Genetics刊出Wei Li撰写的研究亮点,介绍Ye等人发表于Nature的GPN-Star(Genomic Pretrained Network with Species Tree and Alignment Representations)模型。该模型以多物种全基因组比对及对应物种树为输入,分别在脊椎动物、哺乳动物和灵长类三套比对上完成预训练,用来预测影响复杂性状的遗传变异。在人类遗传疾病易感性的编码区与非编码区变异效应预测上表现突出,并能增强复杂性状遗传力的富集。研究还在Mus musculus、Gallus gallus、Drosophila melanogaster、Caenorhabditis elegans与Arabidopsis thaliana五个模式生物上完成泛化验证,所学约束可揭示功能元件及其共进化。

为什么重要

既有基因组语言模型大多只用单序列或浅层多序列比对,没有把物种树结构直接纳入进化约束建模;GPN-Star把系统发育信息显式引入预训练,回答了如何对编码与非编码变异效应做统一预测这一方法学问题。对人类遗传学研究而言,模型可直接用于致病变异候选的优先级排序;对功能基因组学而言,同一套框架在人类与五个模式生物上通用,使跨物种比较功能元件及其共进化成为可能。

还缺什么

模型相对现有方法的具体提升幅度、在标准基准上的定量结果在亮点中未披露。模型是否已开源、训练所需算力、面向临床诊断或药物靶点发现的实际部署案例,待确认。

来源:Nature Genetics · nature.com

CBACBA Frontier Insights (CFI)美国华人生物医药科技协会(CBA)www.cba-usa.org