科学家使用迁徙进修建设盘算年夜模子推测基因调控研究

日期：2023-06-19 来历：本站 供稿：医药生物技术处 作者：治理员 种别：译文

基因收集绘制需要年夜量转录组数据用在建设基因之间的接洽，这也拦阻了一些数占有限场景（如稀有病）等研究。近来，使用迁徙进修的机械进修技术于天然语言及盘算机视觉等领域带来了厘革性进展，其经由历程于年夜规模通用数据集上进行年夜模子预练习，尔后迁徙到数据量有限的特定使命举行微调。美国博德研究所等研究团队提出了一个深度进修模子Geneformer可实现特定生物学使命与配景中的推测。该研究结果在近日发表于《Nature》杂志上，题为：Transfer learning enables predictions in network biology。 研究职员开发的深度进修模子Geneformer，于约莫3000万个单细胞转录组的年夜规模数据集上进行了预练习，以便于收集生物学有限数据的情况下举行特异性推测。于预练习时期，Geneformer获得了对于收集动态的基本理解，以彻底自我监视的方式于模子的留意力权重中编码收集条理。研究职员使用Geneformer基在下流有限数据举行了推测使命，包罗“疾病候选靶点推测”“注释拷贝数变异”“要害基因收集调控因子”“基因永乐高官网进入-收集条理编码”“染色质动力学推测”等，并经由历程试验撑持了其推测的结果。 综上，Geneformer代表了一种预练习的深度进修模子，可以对于其举行微调，以实现广泛的下流运用，加速发现收集调治要害环节及候选医治目标。 注：此研究结果摘自《Nature》杂志，文章内容不代表本网站不雅点及态度，仅供参考。-永乐高官网进入-