浙江大学开发“女娲”AI模型，精准预测基因组调控序列

7月8日，浙江大学郭国骥教授团队在《细胞》发文，开发出基于超高通量超灵敏单核ATAC测序技术（UUATAC-seq）的多任务深度学习模型“女娲CE”（NvwaCE）。该模型能够从基因组序列直接预测单细胞水平的调控序列图谱，为解读基因组调控密码提供了强大的工具。这一成果不仅在多项指标上超越现有基因组AI模型，为理解遗传病发病机制和设计合成调控序列提供了新的方法。

基因组包含蛋白质编码序列和大量调控序列，这些序列协同作用决定了生物体的复杂表型特征。然而，科学家对基因组中调控序列的理解仍十分有限，传统方法在数据质量和批次效应上存在瓶颈。研究团队通过自主研发的UUATAC-seq技术，直接测量调控DNA，避免了低表达基因的扩增偏差，能够在单日内高效率绘制一个物种的染色质可及性图谱。基于高质量的UUATAC-seq数据，研究团队构建了覆盖多种脊椎动物的全身单细胞染色质可及性图谱，并鉴定出数百万个候选顺式调控序列（cCREs）。这些数据为“女娲CE”模型提供了丰富的“教材”，使其能够学习调控序列编码规则，并基于一维DNA序列预测任意脊椎动物单细胞中的染色质可及性水平。与现有模型相比，“女娲CE”在预测准确率上显著提升，对几乎所有细胞类型实现了AUROC>0.90的预测准确率。

“女娲CE”不仅能够预测细胞位置发生突变后的表型变化，还能结合疾病表型设计治疗位点。不仅为解读基因组调控规则提供了新工具，还为生命科学、医学和农学研究提供了强大的支撑，未来有望在更多领域发挥重要作用。