ChatGTP 等人工智能 (AI) 系統(tǒng)已經(jīng)風(fēng)靡全球。從推薦下一部值得一看的電視節(jié)目到幫助疏通交通，他們幾乎無所不在。但是，人工智能系統(tǒng)能否學(xué)習(xí)生命的語言并幫助生物學(xué)家揭示令人興奮的科學(xué)突破?
在《自然通訊》雜志上發(fā)表的一項(xiàng)新研究中，由哈佛大學(xué)有機(jī)與進(jìn)化生物學(xué)系 (OEB) 博士研究生 Yunha Hwang 領(lǐng)導(dǎo)的跨學(xué)科研究小組率先開發(fā)了一種能夠破譯復(fù)雜語言的人工智能 (AI) 系統(tǒng)基因組學(xué)。
基因組語言是生物學(xué)的源代碼。它描述了基因組中編碼的生物功能和調(diào)控語法。研究人員問我們是否可以開發(fā)一個(gè)人工智能引擎來“閱讀”基因組語言并流利地使用該語言，理解基因的含義或功能和規(guī)則?該團(tuán)隊(duì)將微生物宏基因組數(shù)據(jù)集(現(xiàn)有的最大且最多樣化的基因組數(shù)據(jù)集)輸入機(jī)器以創(chuàng)建基因組語言模型(gLM)。
基因組數(shù)據(jù)的挑戰(zhàn)
“在生物學(xué)中，我們有一本已知單詞的字典，研究人員在這些已知單詞的范圍內(nèi)進(jìn)行工作。問題在于，這部分已知單詞只占生物序列的不到百分之一，”黃說，“基因組數(shù)據(jù)的數(shù)量和多樣性正在爆炸式增長，但人類無法處理如此大量的復(fù)雜數(shù)據(jù)。”
大型語言模型 (LLM)，例如 GPT4，通過處理大量不同的文本數(shù)據(jù)來學(xué)習(xí)單詞的含義，從而能夠理解單詞之間的關(guān)系。基因組語言模型 (gLM) 從高度多樣化的宏基因組數(shù)據(jù)中學(xué)習(xí)，這些數(shù)據(jù)來源于棲息在海洋、土壤和人類腸道等各種環(huán)境中的微生物。借助這些數(shù)據(jù)，gLM 通過學(xué)習(xí)基因與其基因組背景之間的關(guān)系來了解每個(gè)基因的功能“語義”和調(diào)控“語法”。 gLM 與 LLM 一樣，是一種自我監(jiān)督模型——這意味著它僅從數(shù)據(jù)中學(xué)習(xí)有意義的基因表示，不需要人類分配的標(biāo)簽。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！