图片来源：AI生成　

　　这项技术受大语言模型启发，采用改进版GPT-2架构，但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。模型通过学习DNA序列中“A、T、C、G”四种碱基构成的“遗传语言”，识别出类似文本错别字的突变模式，这些随世代累积的变异正是追溯血缘关系的分子路标。

　　在传统群体遗传学中，依赖概率统计的推断方法虽精度可靠，但面临计算效率瓶颈。尤其在应对大规模基因组数据时，解析单个染色体可能耗时数日，且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需数小时的任务，速度提升达数十倍。测试表明，其在推算基因“认祖”这一核心指标上，已媲美现有最优统计方法。

　　该技术对公共卫生研究具有直接价值。研究团队正将其应用于疟疾防控领域，通过分析蚊虫种群中抗药性基因的演化轨迹，揭示杀虫剂选择压力下的进化动态。而理解抗性基因何时出现、如何扩散，正是制定可持续防控策略的关键。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。

　　团队计划进一步拓展模型功能，从当前双谱系分析向多谱系全基因树重建迈进。尽管传统方法已能实现部分功能，但机器学习路线有望在处理海量数据方面展现独特优势。目前团队正致力于优化算法，以捕捉更复杂的进化信号。这项跨学科探索不仅为遗传学注入新方法，也为AI在生命科学领域的深度应用提供了新路径。（来源：科技日报 张梦然）

本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有。如因无法联系到作者侵犯到您的权益，请与本网站联系，我们将采取适当措施。