懂AI

DNA-Diffusion: 使用扩散概率模型生成调控DNA序列

RayRay
DNA Diffusion基因组学人工智能生成模型调控序列Github开源项目

DNA-Diffusion

DNA-Diffusion:用扩散模型解码基因调控的奥秘

在生物学研究的前沿,一个名为DNA-Diffusion的创新项目正在利用人工智能技术探索基因调控的奥秘。这个由Pinello实验室领导的开源项目,旨在利用扩散概率模型(diffusion probabilistic models)来生成和分析DNA调控序列,为理解基因表达调控机制开辟了新的途径。

项目背景与目标

人类基因组计划揭示了人类基因组的全貌,但基因组中大量的非编码DNA序列如何调控基因表达,仍是一个待解之谜。许多人类疾病都与基因表达失调有关,因此能够精确控制调控元件的行为,有望为纠正疾病相关的基因失调提供新的治疗方法。

DNA-Diffusion项目的目标是利用大规模数据驱动的方法,学习和应用调控元件序列背后的规则。项目利用最新的生成模型技术,特别是扩散模型,来模拟和生成DNA调控序列。

扩散模型的应用

扩散模型是一类强大的生成模型,在图像生成(如Stable Diffusion、DALL-E)和音乐生成等领域取得了出色的成果。DNA-Diffusion项目将这一技术引入基因组学领域,旨在开发能够生成细胞类型特异性或上下文特异性DNA序列的模型。

例如,该模型有望根据输入的文本提示生成具有特定调控特性的DNA序列,如:

  • "在X细胞类型中对应于开放(或闭合)染色质的序列"
  • "在X细胞类型中将基因激活到最大表达水平的序列"
  • "在X细胞类型中活跃并包含转录因子Y结合位点的序列"
  • "在肝脏和心脏中激活基因但在大脑中不激活的序列"

技术路线

项目采用Chen、Zhang和Hinton提出的Bit Diffusion模型作为基础架构。这是一种使用连续扩散模型生成离散数据的通用方法。研究团队计划在此基础上构建引导扩散(guided diffusion)模型,以便在训练过程中融入生物学信息,如细胞类型、染色质状态等。

数据集与模型

项目使用了多个重要的基因组数据集,包括:

  1. DHS Index:包含733个人类生物样本、438种细胞和组织类型的DNase-seq数据,共识别出350多万个DNase超敏位点(DHSs)。
  2. ENCODE和Roadmap Epigenomics项目的调控序列注释数据。
  3. 大规模平行报告基因检测(MPRA)数据,用于测试DNA序列的调控潜能。

基于这些数据,项目开发了能够生成200bp长度DNA序列的模型,并计划进一步扩展模型以生成完整的调控区域(增强子+基因启动子对)。

潜在影响与应用

DNA-Diffusion项目有望在以下方面产生重要影响:

  1. 加深对基因组调控序列的理解:揭示不同生物背景下调控序列的组成和潜在调控因子。
  2. 为精准医疗提供新思路:通过设计合成的调控序列,有可能纠正疾病相关的基因表达失调。
  3. 促进单核苷酸变异(SNV)研究:为研究单个核苷酸变异对基因调控的影响提供新工具。
  4. 推动进化生物学研究:帮助理解调控序列在进化过程中的变化。

项目进展与未来计划

目前,研究团队已经成功使用Bit Diffusion模型重构了200bp长度的序列,这些序列在基序组成上与训练数据非常相似。下一步,他们计划将细胞条件变量引入模型,以研究不同调控区域如何依赖于细胞特异性上下文。

未来,项目还将探索生成更长的调控序列,并通过体内实验验证合成增强子在生物系统中调节转录动态的能力。

开源合作

DNA-Diffusion是一个开源项目,欢迎各界研究者参与贡献。项目在GitHub上公开了源代码,并提供了详细的文档说明如何使用和贡献代码。研究团队还在Discord平台上建立了交流频道,方便感兴趣的研究者加入讨论。

通过这种开放合作的模式,DNA-Diffusion项目希望汇集全球研究者的智慧,共同推动基因调控研究的进步。随着项目的深入开展,它有望为理解和操控基因表达提供强大的新工具,为生物医学研究和精准医疗开辟新的前景。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多