斯坦福发布 ENCODE GRAMMAR，用深度学习解码基因组调控序列
anshulkundaje · x · 2026-08-05
斯坦福大学 Kundaje 实验室发布了 ENCODE GRAMMAR，这是一个基于深度学习的模型资源库，旨在解码人类基因组中调控元件的 DNA 序列逻辑。
- 模型规模：包含 3,865 个针对特定实验的模型集，涵盖 2,339 个 BPNet TF ChIP-seq 模型集、1,512 个 ChromBPNet 染色质可及性模型集，以及转录起始和报告基因检测模型。
- 技术架构：使用轻量级的局部 BPNet 架构，利用最多约 2kb 的局部 DNA 序列上下文，以单碱基对分辨率预测全基因组的生化实验图谱。每个实验由多个染色体划分训练的模型集成，以提供更稳定的预测并估计不确定性。
- 可解释性工具包：提供 DeepLIFT/DeepSHAP（评估单碱基贡献）、TF-MoDISco（发现预测性基序）等工具，帮助研究人员从“模型预测了什么”深入到“哪些碱基和序列模式驱动了该预测”。
- 应用案例：官方博文展示了如何整合多个 GRAMMAR 模型的注释，以解码白血病细胞系中 MYC 癌基因的调控元件。
所属事件:斯坦福发布ENCODE GRAMMAR：近四千个AI模型解码人类基因组调控DNA(12 条相关)→
「研究」频道最新
- PIMiner 智能体系统自动化破解主流大模型 — PennState · 2026-08-06
- 经济学顶会引入 AI 辅助技术验证，革新论文出版流程 — danielrock · 2026-08-06
- IBM 提出交叉编码器查询扩展法,显著提升混合搜索召回率 — burkov · 2026-08-06
- 11年真实世界数据仅换57%成功率，具身智能遇冷？ — eigenron · 2026-08-06
- 前沿大模型后训练存在泛化缺陷，催生虚假对齐行为 — basedjensen · 2026-08-06
- 哈佛麻省理工推 MatrAIx：构建 83 亿数字分身评估 AI — BrihiJ · 2026-08-06