基因组语言模型 Evo 2 实现少样本调控 DNA 序列设计
Few-shot regulatory sequence design with a genomic language model
研究显示,基因组语言模型 Evo 2 无需额外训练,仅凭数十个示例即可生成新的、多样的调控 DNA 序列。机制分析提示这种基因组 ICL 可能源自归纳机制,以序列到功能模型为奖励的强化学习还能进一步增强 ICL。
同一新闻,精选展示《Evo 2 用上下文学习仅凭数十个示例设计全新调控序列》
预印本 · biorxiv · 10.64898/2026.10.28.762639
本站摘要基于收录版本 v1(2026-10-30),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v2
生成生物学的一个核心挑战,是将从天然序列和实验中学到的知识转化为具有所需功能的设计。上下文学习(in-context learning,ICL)是大语言模型的一种涌现能力,使其能够从少量示例中适应新任务而无需额外训练,从而使这些模型成为通用学习者。在此,我们展示了基因组语言模型 Evo 2 在生物序列设计中表现出生成式 ICL。仅用数十个示例进行提示,即可使 Evo 2 在无需任何额外训练的情况下生成新颖且多样的调控 DNA 序列。机制分析表明,基因组 ICL 可能源于归纳头(induction),这与自然语言中观察到的现象类似。利用序列-功能模型作为实验衍生奖励的强化学习进一步增强了 ICL。我们首先通过生成能在三个人细胞系中驱动细胞类型特异性基因表达的增强子来验证这一方法。将该方法扩展到体内后,使用人类调控元件数据设计的增强子能够以高特异性标记小鼠皮层第 5 层端脑外神经元,其活性强于现有增强子。我们的研究为基因组序列模型中的涌现特性提供了证据,并提出了一种改善生成生物学中功能条件化的有前景的方法。
来源:bioRxiv · biorxiv.org