跳到主要内容
检索

# 变异效应预测

6 篇关联报道

订阅更新
  1. bioRxiv

    ProtCOVER把保形校准的单位从变异换成同源家族:无偏移时新家族致病覆盖从0.823–0.873回到0.90目标

    零样本变异效应预测器按变异做保形校准,误差率会被研究充分的蛋白家族主导,新家族致病覆盖只有0.823–0.873。ProtCOVER把同源家族而非单个变异当作可交换单位,并在无标签家族描述符上做条件校准;在由这些描述符定义的偏移下,最差类别缺口为0.000,分组加权为0.010、分层保形为0.029,代价是集合更大。在基准之外的12,225个蛋白上,所有方法仍低于目标,ProtCOVER缺口0.027,与分组加权0.034的差距在0.01以内。

  2. bioRxiv

    单核苷酸变异判读改学差值:MELD用190万参数在ClinVar上把AUROC从0.800抬到0.986

    MELD把野生型与突变型序列的得分差直接放进监督目标,而不是先训练绝对信号预测、再事后比较两条序列。在ClinVar的157万个变异上,它与同数据、同骨干的事后打分基线相比把AUROC从0.800提高到0.986;在共享子集基准上,190万参数的MELD超过参数量多3至1300倍的冻结基础模型。

  3. bioRxiv

    长上下文调控模型跨物种失效:20 kb 上下文在鱼类距离反成负担,1 kb 局部序列仍可迁移

    FunFormer 把 20 kb 序列压成固定数量 token 做二分类调控活性预测,并配一个架构与参数量完全相同、只读中心 1 kb 的对照,在六种脊椎动物间互相迁移。种内 20 kb 版本在全部六个基因组上平均 AUROC 都最高,比三个已发表 1 kb 基线高 1.0 到 3.8 个百分点;但跨物种时这部分上下文收益随分化衰减,到羊膜动物分歧处接近零,在 320 到 435 百万年间反转为负,而 1 kb 模型仍能迁移进鱼类。

  4. Google DeepMind News

    AlphaGenome 2 把预测单位缩到单个细胞:在免疫细胞图谱上找回的因果变异接近翻倍

    AlphaGenome 2 把 DNA 变异效应的预测单位从整块组织的平均值缩小到具体细胞类型与细胞状态,模型改为以目标生物学条件为输入的条件模型。在覆盖 28 种原代免疫细胞类型的 TenK10K 单细胞图谱上,它识别出的因果变异比例为 30%,原版 AlphaGenome 经单细胞数据微调后为 16%,方向性基因效应为 43% 对 23%。模型在超过 1.07 亿个单细胞谱、68 种组织的数据上训练,可通过 API 用于非商业研究。

  5. bioRxiv

    PALM把重叠的域与位点标注一起学:2.3百万个留出蛋白上域出现F1达0.941

    蛋白质序列库的增长远快于人工注释,而现有语言模型只从序列似然学习,InterPro中的域与功能位点知识只是间接体现。PALM以ESM2为骨干,加入LoRA适配、可学习层聚合与双向LSTM编码器,并用软目标损失允许同一残基保留多个有效标注。在2,309,606个留出蛋白上,域与位点出现F1分别为0.941和0.877;在序列一致性低于20%的子集中仍为0.857和0.828。

  6. arXiv

    RAGenome以检索式基因组语言模型把上下文扩展到13,312个核苷酸,基因查找MCC从0.45提升到0.60

    作者提出RAGenome,首个基于检索的基因组语言模型:它从100种脊椎动物全基因组比对中检索同源序列,丢弃占73%的空位标记,把预训练上下文扩展到13,312个核苷酸,比现有基于MSA的gLM长100倍;在基因查找任务上MCC由GPN-Star的0.45升至0.60,在致病变异优先级任务上AUROC为0.87,以168M参数和16,032 GPU小时同时兼顾长程与演化信号。

已读完全部报道