GPN-Star：理解 DNA，不一定要从更大的模型开始
AI for Science / 生物信息 · 8.5/10｜建议深挖
9 月 9 日发表于 Nature 的 GPN-Star，把物种之间的演化关系直接写进基因组模型。它不仅读取 DNA 字母，还利用跨物种的序列对齐和物种树，判断哪些位置在漫长演化中很少改变。一个区域长期被保留下来，通常能为它是否承担重要功能提供线索。
研究中一个有用的发现是，“看多远的演化历史”要随问题变化：更深的物种比较有助于识别变化较慢的编码区域，而更近的灵长类比较，对一些变化较快的调控区域和复杂性状更有帮助。与单纯扩大参数或上下文相比，把合适的生物学结构交给模型，可能更有效。
这与昨天 AlphaGenome Atlas 的介绍不同：这里重点是借助演化记录学习功能约束，以及为什么不同任务需要不同的比较尺度。论文已提供代码、模型和预计算结果。它仍依赖序列对齐，对插入、缺失和较大的结构变异不够灵活；预测的演化约束也不等于对患者的致病诊断，更没有证明新治疗有效。