人工智能催化基因激活研究，揭示罕见的DNA序列

生物学家利用机器学习(一种人工智能)来识别具有基因激活功能的“合成极端”DNA序列。他们测试了5000万个DNA序列，发现了具有生物技术和医学用途的合成DNA序列。

　　

   

   

图片:研究人员利用机器学习测试了5000万个DNA序列，以寻找“极端”序列。

来源:加州大学圣地亚哥分校Kadonaga实验室

人工智能已经在我们的新闻推送中爆发，ChatGPT和相关的人工智能技术成为广泛公众监督的焦点。除了流行的聊天机器人，生物学家正在寻找利用人工智能来探测我们基因核心功能的方法。

此前，加州大学圣地亚哥分校(University of California San Diego)的研究人员研究了基因开关的DNA序列，他们使用人工智能来识别与基因激活有关的谜题，基因激活是涉及生长、发育和疾病的一个基本过程。生物科学学院教授James T. Kadonaga和他的同事们利用机器学习(一种人工智能)发现了下游核心启动子区域(DPR)，这是一个“gateway”DNA激活代码，参与了多达三分之一的基因的运作。

基于这一发现，Kadonaga和研究人员Long Vo ngoc和Torrey E. Rhyne现在已经使用机器学习来识别在基因激活中具有专门设计功能的“合成极端”DNA序列。发表在《基因与发育》杂志上的研究人员通过比较人类和果蝇的DPR基因激活元素，通过机器学习(AI)测试了数百万种不同的DNA序列。通过使用人工智能，他们能够找到罕见的、定制的DPR序列，这些序列在人类中活跃，但在果蝇中不活跃，反之亦然。更一般地说，这种方法现在可以用来鉴定具有可能在生物技术和医学中有用的活性的合成DNA序列。

“在未来，这种策略可以用于识别具有实际和有用应用的合成极端DNA序列。分子生物学系的杰出教授Kadonaga说:“我们可以测试药物A(条件X)而不是药物B(条件Y)激活基因的能力，而不是比较人类(条件X)和果蝇(条件Y)。”“这种方法也可以用来找到定制的DNA序列，激活组织1(条件X)中的基因，而不是组织2(条件Y)中的基因。这种基于人工智能的方法有无数的实际应用。”人工合成的极端DNA序列可能非常罕见，也许是百万分之一——如果它们存在，它们可以通过人工智能找到。”

机器学习是人工智能的一个分支，计算机系统根据数据和经验不断改进和学习。在这项新研究中，Kadonaga、Vo ngoc(前加州大学圣地亚哥分校博士后研究员，现就职于Velia Therapeutics)和Rhyne(一名员工助理)使用一种称为支持向量回归的方法，根据来自现实世界实验室实验的数据，用20万个已建立的DNA序列“训练”机器学习模型。这些是作为机器学习系统示例的目标。然后，他们将5000万个测试DNA序列“输入”到人类和果蝇的机器学习系统中，并要求他们比较这些序列，并在两个庞大的数据集中识别出独特的序列。

虽然机器学习系统显示人类和果蝇的序列在很大程度上重叠，但研究人员关注的核心问题是，人工智能模型是否能够识别出基因激活在人类中高度活跃而在果蝇中不活跃的罕见情况。答案是响亮的“是的”。机器学习模型成功地识别了人类特异性(和果蝇特异性)的DNA序列。重要的是，ai预测的极端序列的功能在Kadonaga的实验室中通过传统的(湿实验室)测试方法进行了验证。

“在开始这项工作之前，我们不知道人工智能模型是否‘聪明’到足以预测5000万个序列的活动，特别是具有不寻常活动的异常‘极端’序列。因此，人工智能模型能够预测百万分之一的罕见极端序列的活动，这是非常令人印象深刻和非常了不起的。”Kadonaga说，他补充说，基本上不可能进行机器学习技术分析的1亿个湿实验室实验，因为每个湿实验室实验需要近三周的时间才能完成。

机器学习系统识别的罕见序列是一个成功的示范，并为机器学习和其他人工智能技术在生物学中的其他应用奠定了基础。

“在日常生活中，人们正在为ChatGPT等人工智能工具寻找新的应用。在这里，我们展示了在基因激活中使用人工智能来设计定制的DNA元素。这种方法应该在生物技术和生物医学研究中有实际应用。”Kadonaga说。“更广泛地说，生物学家可能刚刚开始利用人工智能技术的力量。”

文章标题

Analysis of the Drosophila and human DPR elements reveals a distinct human variant whose specificity can be enhanced by machine learning