哥伦比亚大学AI模型"通用表达转换器"揭示细胞基因活动新机制，助力癌症研究

近日，哥伦比亚大学瓦格洛斯医学院的研究团队宣布，他们成功开发了一种名为“通用表达转换器”（GET）的新型人工智能（AI）模型，该模型的研发将为研究细胞基因活动提供全新的视角，并在癌症及遗传疾病的研究中扮演重要角色。这项研究成果已在《自然》杂志的最新一期中发表，受到广泛关注。

研究团队的资深作者、系统生物学教授劳尔·拉巴丹（Raul Rabadan）指出，这一预测模型的诞生，使科研人员能够以更快速和更准确的方式揭示复杂的生物过程。他表示：“我们的模型具备可预测性和通用性，这为我们提供了开展大规模计算实验的能力，进而推动传统实验方法的进展。”传统生物学的方法在描述细胞功能及其对外界刺激的反应方面有其优势，但在预测细胞内部机制及其响应变化的能力上却相对不足。例如，如何将致癌突变与细胞的变化关联起来，实际上仍然是一项巨大的挑战。

为了填补这一领域的空白，拉巴丹教授和他的研究团队决定采用一种不同的研究路径。他们利用从正常人类组织中提取的数百万个细胞的基因表达数据，训练机器学习模型。模型的输入数据包括基因组序列及相关显示基因组开放性和表达水平的数据。通过分析这些信息，模型能够识别出细胞基因活动的底层规则，类似于语言的语法。这些模式的学习使得团队能够在不同生物状态下，应用已掌握的“语法”规则，预测细胞在特定条件下的行为。

随着研究的深入，团队成员傅曦（Xi Fu）与拉巴丹教授共同训练并评估了这一新模型，并与多位科研工作者共同协作。其中包括首席作者之一的亚历杭德罗·布恩迪亚（Alejandro Buendia）和来自卡内基梅隆大学的申通莫（Shentong Mo）。研究团队通过这一AI系统，成功地揭示了病变细胞背后的生物学机制，提供了崭新的视角。

特别值得一提的是，在研究中，团队以一种遗传性儿童白血病为例，应用该AI模型成功预测了突变基因如何影响两种转录因子之间的相互作用，进而影响白血病细胞的生命决定。这一实验证实了AI模型的预测能力，并进一步揭示了导致该病的特定机制。

团队还将这一计算方法推进到基因组中“暗物质”的研究。基因组中的“暗物质”指的是那些不包含已知蛋白质编码基因的大部分区域，长期以来这部分区域显得相对神秘。拉巴丹教授强调，“许多对于癌症患者的重要突变发生在这些‘暗区’内，这些突变往往不直接改变已知蛋白质的功能，因此相关研究较为匮乏。通过我们的模型，我们能够更深入地探讨这些突变的影响，并揭示其在基因组中的作用。”

目前，拉巴丹教授与哥伦比亚大学及其他机构的研究人员正致力于探讨多种癌症类型，从脑癌到血癌，并研究正常细胞中调控机制的“语法”以及癌症进展所带来的细胞变化。这一切努力为了解癌症以外的多种疾病提供了新的思路，也可能为新的治疗靶点的识别提供有效支持。

通过将新发现的突变输入进计算模型，科研人员有望深入了解这些突变如何影响细胞功能。拉巴丹教授表示，这项研究反映了生物学领域人工智能应用的一项重要趋势：“我们正处于一个激动人心的生物学新时代，这将使生物学从传统的描述性科学转变为一种具有预见性的科学。”

哥伦比亚大学的这一新型“通用表达转换器”不仅为基因表达和细胞机制的理解提供了新的理论框架，也为癌症和其他遗传疾病的研究开辟了新的可能性。随着研究的深入，这一AI模型在未来的医学研究与临床应用中，或将提供突破性的发展机遇，对于推动生物医学的进步具有深远的意义。