计算生物学家开发出预测细胞内部运作的人工智能

使用新的人工智能方法，哥伦比亚大学瓦格洛斯内科和外科医生学院的研究人员可以准确预测任何人体细胞内基因的活动，从本质上揭示细胞的内部机制。该系统，描述的在自然，可以改变科学家了解从癌症到遗传疾病等一切疾病的工作方式。

“预测性通用计算模型可以快速准确地揭示生物过程。这些方法可以有效地进行大规模计算实验，促进和指导传统的实验方法，”系统生物学教授、新研究的资深作者劳尔·拉巴丹（Raul Rabadan）说。纸。

传统的生物学研究方法擅长揭示细胞如何执行其工作或对干扰做出反应。但他们无法预测细胞如何工作或细胞如何应对变化（例如致癌突变）。

“拥有准确预测细胞活动的能力将改变我们对基本细胞活动的理解。生物过程”，拉巴丹说。“这将使生物学从一门描述看似随机过程的科学转变为一门可以预测控制细胞行为的基础系统的科学。”

近年来，来自细胞的大量数据的积累和更强大的人工智能模型开始将生物学转变为更具预测性的科学。2024 年诺贝尔化学奖授予研究人员，以表彰他们在利用人工智能预测蛋白质结构方面做出的开创性工作。但事实证明，使用人工智能方法来预测细胞内基因和蛋白质的活动更加困难。

新的人工智能方法可以预测任何细胞中的基因表达

在这项新研究中，拉巴丹和他的同事尝试使用人工智能来预测哪些基因在特定细胞内活跃。这些有关基因表达的信息可以告诉研究人员细胞的身份以及细胞如何发挥其功能。

“以前的模型是根据特定细胞类型的数据进行训练的，通常癌细胞系或其他与正常细胞几乎没有相似之处的东西，”Rabadan 说。Rabadan 实验室的研究生 Xi Fu 决定采取不同的方法，根据从正常人体组织中获得的数百万个细胞的基因表达数据来训练机器学习模型输入由基因组序列和数据组成，显示基因组的哪些部分是可访问和表达的。

整体方法类似于 ChatGPT 和其他流行的“基础”模型的工作方式。这些系统使用一组训练数据来识别基本规则、语言语法，然后将这些推断的规则应用于新情况。

“这是完全相同的事情：我们在许多不同的细胞状态中学习语法，然后我们进入一种特定的条件——它可以是患病的[细胞类型]，也可以是正常的细胞类型——我们可以尝试看看我们如何根据这些信息预测模式，”拉巴丹说。

傅和拉巴丹很快就招募了一个合作者团队，其中包括共同第一作者亚历杭德罗·布恩迪亚（Alejandro Buendia），他现在是斯坦福大学的博士。拉巴丹实验室的学生和卡内基梅隆大学的 Shentong Mo 一起训练和测试新模型。

在对来自超过 130 万个人体细胞的数据进行训练后，系统变得足够准确，可以预测基因表达在它从未见过的细胞类型中，产生的结果与实验数据非常吻合。

新的人工智能方法揭示了儿童癌症的驱动因素

接下来，当研究人员要求人工智能系统揭示仍然隐藏的患病细胞的生物学特性时，研究人员展示了人工智能系统的强大功能，在本例中，患病细胞是一种遗传性的儿童白血病。

“这些孩子继承了一个突变基因，目前还不清楚这些突变到底在做什么，”拉巴丹说，他也是哥伦比亚大学赫伯特·欧文综合癌症中心癌症基因组学和表观基因组学研究项目的共同负责人。

通过人工智能，研究人员预测这些突变会破坏决定白血病细胞命运的两种不同转录因子之间的相互作用。实验室实验证实了人工智能的预测。了解这些突变的影响揭示了导致这种疾病的特定机制。

人工智能可以揭示基因组中的“暗物质”

新的计算方法还应该允许研究人员开始探索基因组“的作用”暗物质“这个术语借用自宇宙学，指的是癌症和其他疾病中的绝大多数基因组，它们不编码已知基因。

“在癌症患者中发现的绝大多数突变都位于所谓的基因组黑暗区域。这些突变不会影响蛋白质的功能，并且大部分尚未被探索，”拉巴丹说。“我们的想法是，使用这些模型，我们可以观察突变并阐明基因组的这一部分。”

拉巴丹正在与哥伦比亚大学和其他大学的研究人员合作，探索从脑癌到血癌的不同癌症，学习正常细胞的调控语法，以及细胞在癌症发展过程中如何变化。

这项工作还为理解许多疾病开辟了新途径癌症并可能确定新治疗的目标。通过向计算机模型呈现新的突变，研究人员现在可以获得关于这些突变如何影响细胞的深入见解和预测。

紧随生物学人工智能的其他最新进展之后，拉巴丹将这项工作视为一个主要趋势的一部分：“这确实是一个非常令人兴奋的生物学新时代；将生物学转变为预测科学。”