原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一下，你正在寻找两把特定钥匙之间的一种“秘密握手”，当它们同时转动时，能够打开一扇阻止癌症的大门。在生物学中，这被称为寻找合成致死相互作用。这有点像发现：虽然钥匙 A 单独使用毫无作用，钥匙 B 单独使用也毫无作用，但将它们一起使用却能摧毁癌细胞。
长期以来，科学家们一直利用复杂的计算机程序（机器学习）来猜测哪些钥匙可能协同工作。但这些程序就像黑箱：它们只能给出“是”或“否”的答案，却无法解释为什么它们会这样认为。它们无法讲述科学背后的故事。
登场：“超级读者”（大型语言模型）
本文的研究人员决定尝试一种新方法。他们不再使用黑箱，而是测试了“超级读者”（称为开放权重大型语言模型，或 LLM）。可以将这些模型想象成几乎阅读过所有已写就的生物学教科书、研究论文和医学期刊的学生。它们不仅仅是在计算数字；它们是基于吸收的所有知识进行“推理”。
大考
研究团队让这些“超级读者”玩一个猜谜游戏。他们向模型提供成对的基因，并问道：“如果我们破坏这两个基因，癌细胞会死亡吗？”
- 挑战：他们将模型与三项著名的真实世界实验（称为 CRISPR 筛选）进行了对比测试，在这些实验中，科学家们已经物理测试了成千上万对基因，以观察哪些组合有效。
- 结果：“超级读者”表现优异！它们猜对答案的能力远胜于随机猜测或旧式的黑箱计算机程序。它们实际上能够审视数据并说：“我认为这两个基因之所以协同作用，是因为这个生物学原因”，从而使答案对人类可读。
“足够大”有多大？
研究人员还想知道：“我们需要一个巨大的大脑来做这件事，还是小一点的也能行？”
- 他们发现，更大的模型（拥有更多“脑力”或参数）通常表现更好。
- 有趣的是，给模型提供额外的笔记（如特定的通路图或基因列表）并没有太大帮助。事实证明，模型从它们的“阅读”中已经掌握了如此多的知识，以至于额外的笔记只是在重复它们已经理解的内容。
获胜者与大规模搜寻
在测试了多个模型后，他们挑选出了“金发姑娘”模型：Qwen2.5-32B-Instruct。它达到了完美的平衡——不太慢，不太笨，且非常准确（在 0 到 1 的尺度上得分为 0.715，这相当不错）。
使用这个选定的模型，他们不仅仅测试了几对基因，而是进行了一场大规模的数字化寻宝。他们扫描了涉及 893 个重要癌症相关基因的398,277对不同的基因组合。
核心结论
本文表明，这些开源的“超级读者”是强大的工具。它们可以像一位聪明且具备情境感知能力的图书管理员，快速从数百万种可能性中筛选，突出基因之间最有希望的“秘密握手”。这里的目标并非立即治愈癌症，而是证明这些 AI 读者能够高效地优先排序哪些基因相互作用值得下一步研究，从而为未来发现更复杂的基因谜题奠定基础。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。