EukaUTR: a foundation model unifying functional modelling and design of eukaryotic 3′ UTRs
EukaUTR 是一个在多样化真核生物 3′ UTR 序列上训练的基座模型，它统一了功能预测与从头设计，在多个调控任务中超越了现有基准模型，并能够通过针对性的序列优化来降低 mRNA 的降解率。
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
在每一个活细胞内部，构建蛋白质的指令都写在一种被称为信使RNA的长而复杂的代码中。几十年来，科学家们几乎完全专注于这段代码的开头部分，即告诉细胞应该构建哪种蛋白质的部分。然而，这条信息的末端——被称为3'端非翻译区（3' UTR）的部分——隐藏着另一种秘密。这个尾部本身并不编码蛋白质；相反，它扮演着一个精密控制面板的角色。它包含了决定这条信息能存活多久、在细胞内如何移动以及被读取效率高低的信号。如果这个尾部太短或携带了错误的信号，信息可能会被过快破坏，或者细胞可能会产生过多或过少的最终蛋白质。理解这一区域的工作原理至关重要，因为它支配着生命基本过程的时机与数量，然而长期以来，决定其在浩瀚多样生命体中行为的规则一直是一个谜。
现在，一组研究人员已经构建了一个强大的新工具来解码这些规则，创建了一个他们称之为 EukaUTR 的系统。这个工具是一种专门用于阅读并理解各种生物（从人类到鱼类再到植物）遗传尾部语言的人工智能。与以往只能理解人类或哺乳动物语言的模型不同，这个新系统是从一个包含来自一千多种不同物种的近七百万个遗传序列的海量库中学习的。通过研究这种广泛的多样性，该模型学会了识别控制遗传信息管理的细微模式。研究人员发现，该系统能够高精度地预测特定遗传尾部的行为，例如它会多快分解，或者它在辅助产生蛋白质方面表现如何。在十三种不同场景下的测试中，这个新模型始终优于现有工具，预测准确度往往提升了百分之二十五以上。
该系统的力量不仅在于阅读现有的内容，还在于它可以从头开始编写新的遗传指令。研究人员要求该模型生成全新的、从未见过的遗传尾部。结果令人震惊。这些新序列看起来并表现得就像天然的遗传物质一样，拥有与自然界中发现的序列相同的化学平衡和结构特性，但它们是完全独特的，并非简单地复制训练库中的任何现有序列。这表明该模型真正理解了遗传生命的底层语法，而不仅仅是背诵了一本词典。此外，团队开发了一种利用这种理解来修复现有遗传信息的方法。通过分析一小组已知稳定的序列，他们教会了系统识别哪些部分的“摇摆不定”的遗传尾部导致了这种不稳定性。当他们应用这种指导来编辑不稳定的序列时，模型成功地将预测的降解率降低了百分之三十七，有效地使遗传信息变得更加耐用。
尽管拥有这些令人印象深刻的能力，研究人员仍谨慎地指出其工作的证明范围。该模型擅长根据序列的结构和组成来预测其行为，并能识别可能存在特定调节信号的区域。然而，它尚未解释这些信号与细胞机制相互作用的确切机械步骤，也尚未在活细胞中测试新生成的序列的生物活性。稳定性的提升目前是基于模型对序列模式理解的预测，真正的考验将是当这些工程化序列在实验室中投入实际工作时。尽管如此，这项工作标志着向前迈出的重要一步，提供了一个统一的框架，使遗传设计从简单的预测转向主动创造。它提供了一种方法，不仅能理解复杂的生命调节语言，还能流利地运用这种语言，从而设计出可能在未来用于治疗疾病或改进生物研究的新指令。
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。