CSHL 生物学与 AI 研讨会：Stein Aerts 谈用增强子编码破译基因组调控密码

CSHL 对 KU Leuven Stein Aerts 的访谈，讲训练模型"解读基因组调控密码"——用增强子编码（enhancer code，转录因子结合位点的向量表征）聚类增强子、定义细胞类型，并讨论基础模型（AlphaGenome、Borzoi）擅长什么、数据瓶颈在哪。

• 主线：训练模型破译基因组调控密码；提出把"转录因子结合位点组合"表示为增强子编码（enhancer code）的向量，用以聚类增强子。
• 细胞类型定义：他的操作性定义是"存在一组该细胞类型专属的增强子，突变这些增强子只影响该细胞类型"——使细胞类型能独立演化；转录因子及其组合在跨物种单细胞 atlas 中是最保守的。
• 基础模型的局限：AlphaGenome、Borzoi 等大模型对管家基因（调控序列通常 proximal）表达预测很好，但大部分 TF / cis 调控元件其实是"管家性"的、未必贡献细胞身份；要精确定位每个 TF 的剂量如何决定输出 RNA，仍属研究不足。
• 数据瓶颈：单个基因组（例如果蝇虽小，10 天就产生 1 万种成体细胞类型）训练数据不足，需跨物种单细胞多组学 atlas 与全发育尺度数据；数据质量与注释至关重要。