Nat. Commun. | gLM：基于宏基因组预训练语言模型的基因和蛋白调控及功能预测算法

2024年4月3日，Peter R. Girguis、Sergey Ovchinnikov、Yunha Hwang、Andre L. Cornman和Elizabeth H. Kellogg几人在Nature Communications上发表了一篇题为“Genomic language model predicts protein co-regulation and function”的研究文章。这项研究开发了一种基因组语言模型（gLM），通过训练数百万的宏基因组拼接片段，学习了基因之间的潜在功能和调控关系。这一模型不仅能够捕捉到蛋白质序列本身，还能编码生物学上有意义且与功能相关的信息，如酶功能、分类等。通过对注意力模式的分析，研究揭示了gLM能够学习到协同调控的功能模块（即操纵子）。该研究表明，gLM的无监督深度学习方法有效且有前景，能够编码基因在其基因组上下文中的功能语义和调控句法，揭示复杂基因组区域中基因间的复杂关系。此项工作不仅为理解基因功能与调控提供了新视角，也为未来的迁移学习应用和研 ………………………………