人工智能揭开人类基因组“暗面”：新工具揭示隐藏的遗传密码

一项由索尔克研究所科学家开发的新人工智能工具——ShortStop，正在揭开人类基因组“黑暗地带”的神秘面纱，助力发现潜在重要的微蛋白。这些微蛋白由长期以来被忽视的非编码DNA区域编码，长度通常不足150个氨基酸，传统方法难以检测，因而长期隐身于科学视野之外。 尽管体积微小，微蛋白在细胞调控中可能扮演关键角色，与癌症、阿尔茨海默病等多种疾病密切相关。然而，由于缺乏有效筛选手段，科学家在海量基因数据中难以分辨哪些小开放阅读框（smORFs）能真正生成有功能的微蛋白。 ShortStop通过机器学习技术，解决了这一难题。它以计算机生成的随机smORFs作为“负样本”进行训练，能够快速判断新发现的smORFs是否可能具有生物功能。该工具可将候选序列分为“可能功能型”和“非功能型”，显著减少后续实验验证的盲目性。 研究人员利用ShortStop分析肺癌基因数据，成功识别出210个全新微蛋白候选物，其中一种在肿瘤组织中显著高表达，具备成为癌症生物标志物或治疗靶点的潜力。该微蛋白已在人体细胞和组织中得到验证，凸显工具的可靠性。 ShortStop的优势在于兼容常规RNA测序等广泛使用的数据类型，无需额外实验，即可在健康与疾病组织中大规模筛查微蛋白。这为揭示人类生物学机制、推动疾病诊断与治疗提供了全新路径。 “我们过去只关注编码大蛋白的基因区域，把其余99%视为‘垃圾DNA’，但现在发现，这些‘黑暗地带’藏着成千上万重要的微蛋白，”项目负责人艾伦·萨加特尼安教授表示，“ShortStop让这些隐藏的分子重见天日，加速了从数据到发现的转化。” 相关成果已发表于《BMC Methods》期刊，标志着人工智能与基因组学深度融合的新阶段。