利用 AI 工具，几分钟即可追溯基因对共同祖先
一句话看懂：美国俄勒冈大学团队基于改进版GPT-2架构，开发出全球首个面向群体遗传学的语言模型。该模型能像分析文本错别字一样识别DNA序列中的突变模式，将追溯基因对共同祖先的任务从传统方法所需的数小时缩短至几分钟。
事件核心：发生了什么
俄勒冈大学研究团队发布了一项突破性成果：他们利用ChatGPT同源技术——改进版GPT-2架构，开发出专门用于群体遗传学的AI模型。该模型的训练数据并非自然语言，而是基于细菌、啮齿类、蚊媒及灵长类等多物种的进化模拟数据。通过学习DNA序列中“A、T、C、G”四种碱基组成的“遗传语言”，模型能识别出类似于文本错别字的突变模式。在实测中，其在推算基因“认祖”这一核心指标上的精度已媲美现有最优统计方法，而速度提升达数十倍——解析单个染色体的任务从数日降至几分钟。
为什么重要
传统群体遗传学依赖概率统计推断方法，虽然精度可靠，但面对大规模基因组数据时存在计算效率瓶颈，尤其难以处理片段缺失的不完整序列。新模型将繁重的统计运算前置到训练阶段，实际应用时仅需数分钟即可完成传统方法数小时的任务。更重要的是，该技术直接服务于公共卫生研究：团队已将其应用于蚊虫种群中抗药性基因的演化轨迹分析。理解抗性基因何时出现、如何扩散，是制定可持续防蚊控蚊策略的关键。模型对非完整数据的兼容性，恰好解决了野外采样常见的基因序列碎片化难题。这项工作把“读文章”的技术拿去“读基因”，为生命科学领域的深度AI应用开辟了新路径。
对用户/开发者/创作者的影响
对于生物信息学开发者和研究者而言，这意味着群体遗传学分析的门槛和成本显著降低。传统方法需要数小时甚至数日的计算任务，现在几分钟内即可完成。开发者可以基于该模型的代码和架构进行二次开发，比如扩展至多谱系全基因树重建。对于公共卫生政策制定者和疾控研究者，该工具可直接应用于蚊媒抗药性监测，通过快速追踪抗性基因的传播路线，指导杀虫剂的合理使用和轮换策略。目前公开信息显示，该模型对非完整基因序列的兼容性，降低了野外采样的数据质量要求，有助于在资源有限地区开展进化监测。
值得关注的后续
一是模型功能的扩展方向：团队计划从当前的双谱系分析向多谱系全基因树重建迈进，这是否能处理更复杂的进化信号还有待验证。二是开源与可及性：目前论文已发表在《美国国家科学院院刊》，但模型的代码、权重和API是否对外开放尚未明确，这将直接影响其生态建设速度。三是竞品跟进：其它AI实验室是否会基于更先进的语言模型（如GPT-4或Llama系列）推出类似工具？性能差异和应用场景拓展值得跟踪。
来源：Readhub · AI
