TY  - JOUR
TI  - Predicting genome-wide functional constraints with GPN-Star
UR  - https://www.nature.com/articles/s41586-026-11005-5
DO  - 10.1038/s41586-026-11005-5
DA  - 2026-09-09
JO  - Nature
AU  - Ye, Chengzhong
AU  - Benegas, Gonzalo
AU  - Albors, Carlos
AU  - Li, Jianan Canal
AU  - Prillo, Sebastian
AU  - Fields, Peter D.
AU  - Clarke, Brian
AU  - Song, Yun S.
KW  - AI科研
KW  - 基因组
KW  - 待阅读
N1  - 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。    入选理由：期刊正式发表新研究，以演化结构而非单纯参数扩张改善变异解释，与昨日Atlas方法不同。 重要度 8.5/10。 原始资料：https://www.nature.com/articles/s41586-026-11005-5 https://github.com/songlab-cal/gpn 本期资料：https://www.asteronline.cn/juju-radar/2026-09-10/ AI辅助整理；一手核验不表示独立复现。
ER  -