AI 與世界的難題 · 生命科學 · Nature (computational biology) · 2026-10-22
以深度學習從組織蛋白修飾預測轉錄爆發動力學
原標題: Predicting transcriptional burst kinetics from histone modifications with deep learning
轉錄本質上具有爆發性，但要在基因體尺度上量化組蛋白修飾景觀如何編碼爆發動力學，一直十分困難。一個名為 DeepBurst 的深度學習模型，能從轉錄起始位點周圍的組蛋白修飾圖譜，預測基因特異性的爆發頻率與爆發量模式，在三個人類細胞株上展現一致的效能，並具備強大的跨細胞類型泛化能力。模型解讀顯示，爆發頻率受益於較廣的染色質脈絡，而爆發量則更取決於啟動子近端的訊號；in silico 擾動分析亦找出預期會改變爆發模式的組蛋白圖譜變化。