科学家以 AI 解码 60 亿 DNA 碱基“密码”，“起始子”研究取得突破

8 月 26 日消息，据新华社今日报道，美国加州大学圣迭戈分校研究人员利用高通量 DNA 测序和机器学习技术，解析了人类基因中“起始子”（Initiator，Inr）的 DNA 序列特征。

研究人员分析约 50 万个不同版本的“起始子”序列后训练 AI 模型，并据此发现约 60% 的人类基因含有这一序列。

“起始子”是基因核心启动子中的重要 DNA 序列，位于基因转录起始区域，参与启动基因表达。人体不同类型的细胞虽然拥有基本相同的 DNA，但由于不同基因在不同细胞中被开启，最终形成具有不同结构和功能的细胞。

基因表达受到 DNA 中特定序列的精细调控，这些序列决定基因何时、何地以及以多大程度被激活。基因表达调控出现异常可能导致细胞功能异常，并与包括癌症在内的多种疾病有关。

为解析“起始子”的序列特征，研究人员在加州大学圣迭戈分校分子生物学教授 James T. Kadonaga 团队开展研究。研究由研究生 Torrey Rhyne-Carrigg 牵头，团队通过高通量 DNA 测序技术测定约 50 万个不同“起始子”序列版本的基因表达活性。

随后，研究人员利用这些实验数据训练机器学习模型，使 AI 能够从大量实验数据中识别与“起始子”相关的 DNA 碱基序列模式。研究人员再利用模型在人体基因组中搜索相应特征，结果显示约 60% 的人类基因含有“起始子”。

研究人员表示，这些 AI 模型首次能够对人类基因中是否存在“起始子”进行较强预测，并解析其 DNA 碱基序列特征。研究还识别出一种与 TATA 序列相关的新型“起始子”，同时分析了“起始子”与其他核心启动子元件之间的关系。

研究团队认为，这些数据和模型未来可用于分析“起始子”相关 DNA 突变可能产生的影响，包括与疾病相关的突变。同时，研究成果也可能用于设计具有特定功能的合成启动子，即能够调控特定基因开启和关闭的 DNA 序列。

Kadonaga 表示，每个人体细胞中包含约 60 亿个 DNA 碱基，其中蕴含着控制基因何时、何地以及以多大程度开启或关闭的复杂信息。此次建立的“起始子”AI 模型只是这一基因表达调控信息中的一部分，研究团队希望未来进一步扩大模型范围。

注：“起始子”是核心启动子中的一种 DNA 序列信号，可参与 RNA 聚合酶 Ⅱ 介导的转录起始；“启动子”则是调控基因转录的重要 DNA 区域。