“可预测的通用计算模型使我们能够快速准确地揭示生物过程，”系统生物学教授兼该研究的高级作者劳尔·拉巴丹（Raul ）说。 “这些方法使得大规模计算实验能够高效进行，促进和指导传统实验方法的发展。”
尽管传统的生物学研究方法擅长揭示细胞如何发挥其功能或对外部干扰做出反应，但它们无法预测细胞如何工作或对变化做出反应，例如致癌突变的影响。拉巴丹指出：“能够准确预测细胞活动将彻底改变我们对基本生物过程的理解，使生物学从描述看似随机过程的科学转变为可以预测细胞行为背后的系统的科学。”
近年来，随着细胞数据的大量积累和人工智能模型的日益强大，生物学正在逐渐转变为预测科学。 2024 年诺贝尔化学奖将颁发给利用人工智能预测蛋白质结构的突破性研究。然而，利用人工智能方法来预测细胞内基因和蛋白质的活动仍然面临着巨大的挑战。
据 IT House 报道，在这项新研究中， 和他的团队尝试使用 AI 来预测哪些基因在特定细胞中活跃。基因表达信息可以帮助研究人员确定细胞的身份及其如何发挥其功能。拉巴丹实验室的研究生 Xi Fu 决定采取不同的方法，使用取自正常人体组织的数百万个细胞的基因表达数据来训练机器学习模型。模型的输入包括基因组序列和显示基因组的哪些部分是可访问和表达的数据。
这种方法的总体思路与其他流行的“基本”模型类似。这些系统使用训练数据来识别底层规则（例如语言的语法），然后将这些规则应用到新场景中。 “我们的方法完全相同：我们从多种细胞状态中学习‘语法’，然后将其应用于特定条件 - 无论是患病细胞还是正常细胞 - 并尝试预测其行为模式，”拉巴丹解释道。
随后，傅曦和拉巴丹与几位合作者一起训练和测试了新模型，其中包括共同第一作者卡内基梅隆大学的亚历杭德罗·布恩迪亚（ ）和沉同莫（Mo，音译）。经过超过 130 万个人类细胞数据的训练后，该系统能够准确预测前所未见的细胞类型中的基因表达，结果与实验数据非常吻合。
接下来，研究团队展示了其人工智能系统在揭示病变细胞隐藏的生物学机制方面的强大能力。以遗传性儿童白血病为例，他们利用人工智能来预测突变基因如何破坏两种不同转录因子之间的相互作用，从而决定白血病细胞的命运。实验室实验证实了人工智能的预测。了解这些突变的影响可以揭示导致疾病的具体机制。
此外，这种新的计算方法也为研究人员探索基因组“暗物质”的作用提供了可能。基因组“暗物质”是指基因组中绝大多数不包含已知蛋白质编码基因的区域。 “在癌症患者中发现的大多数突变都位于基因组的‘黑暗区域’，这些突变不会影响蛋白质功能，因此尚未得到充分研究，”拉巴丹指出。 “通过使用这些模型，我们可以观察突变并揭示这部分基因组的功能。”
拉巴丹目前正在与哥伦比亚大学和其他机构的研究人员合作，探索正常细胞的调节“语法”，以及从脑癌到血癌等多种癌症中细胞如何随着癌症的发展而变化。
这项研究不仅为了解癌症以外的各种疾病开辟了新途径，而且还可能为确定新疗法的靶点提供支持。通过将新发现的突变输入计算机模型，研究人员可以深入了解这些突变如何影响细胞。
拉巴丹认为，这项研究是人工智能在生物学中应用的一大趋势的一部分：“这是生物学中一个非常令人兴奋的新时代，它将生物学转变为预测科学。”
