一种深度学习和大型语言混合工作流,用于omics解释
Dachao Tang1, Chi Zhang1, Weizhi Zhang1
1Department of Bioinformatics and Systems Biology, MOE Key Laboratory of Molecular Biophysics, Hubei Bioinformatics and Molecular Imaging Key Laboratory, College of Life Science and Technology, Huazhong University of Science and Technology, Wuhan, Hubei, China.
Nature biomedical engineering
|January 8, 2026
概括
一种新的混合工作流程LyMOI使用人工智能来解释复杂的奥米克数据,发现新的自调节器和潜在的癌症药物标,如CTSL和FAM98A. 这种方法增强了机制的理解,并确定了癌症治疗的治疗策略.
科学领域:
- 计算生物学 计算生物学
- 系统生物学 系统生物学
- 在Omics中的人工智能
背景情况:
- 对于监管网络来说,解释大规模的omics数据是一项挑战.
- 机械解释和实验验证是至关重要的,但往往是有限的.
研究的目的:
- 开发一种混合人工智能工作流程 (LyMOI),用于先进的OMIC数据解释.
- 机械地解释生物系统并识别新型调节者.
主要方法:
- 结合深度学习 (图形卷积网络) 和大型语言模型 (GPT-3.5).
- 综合进化保存的蛋白相互作用和层次的微调.
- 利用机器思维链 (CoT) 来机械地解释多omics数据.
主要成果:
- LyMOI成功地解释了1.3TB的与自相关的omics数据.
- 确定了CTSL和FAM98A作为人类瘤蛋白,增强了与二硫 (DSF) 进行自的功能.
- 沉默CTSL/FAM98A降低了DSF介导的自和癌细胞增殖.
结论:
- 莱莫伊为奥米克解释和生物发现提供了一个强大的框架.
- CTSL和FAM98A是癌症中DSF诱导的自的关键调节者.
- 与CTSL抑制剂相结合的DSF在体内显示出强大的瘤生长抑制.
相关概念视频
02:07Improving Translational Accuracy
14.1K
Base complementarity between the three base pairs of mRNA codon and the tRNA anticodon is not a failsafe mechanism. Inaccuracies can range from a single mismatch to no correct base pairing at all. The free energy difference between the correct and nearly correct base pairs can be as small as 3 kcal/ mol. With complementarity being the only proofreading step, the estimated error frequency would be one wrong amino acid in every 100 amino acids incorporated. However, error frequencies observed in...
14.1K
02:07Improving Translational Accuracy
3.5K
3.5K