研究者热议用 LLM 破解基因组 motif 注释瓶颈

jatin_n0 · x · 2026-09-24

计算生物学家 Anshul Kundaje 与 jatinn0 讨论用 LLM 做基因组序列 motif 的功能注释。Kundaje 指出这不是 motif 发现问题,而是给 motif 做「生物学注释」——它是什么、起什么作用、结合什么,这属于多模态推理任务,LLM 很适合但需要专门训练,一旦打通将解开基因组序列注释的巨大瓶颈。

jatinn0 乐观认为在 LLM 训练中加入更多序列数据即可学到 motif 的功能角色;Kundaje 则纠正:注释依赖序列之外的外部信息(如特定细胞类型中蛋白质的可用性),并透露其团队 ENCODE GRAMMAR motif compendium 的预印本将在几周内发布,届时会写博客详述这一挑战。