据鼓狮财经9月11日报道,美国加州大学伯克利分校团队开发了一款名为GPN-Star的基因组语言模型。该模型具备解读长达30亿碱基“语法”的能力,在识别人类遗传变异时速度更快、精度更高。
GPN-Star通过全基因组比对数据从进化过程中学习知识,其训练成本远低于大型同类模型。此外,团队同步发布了全基因组预测注释数据,旨在协助生物学家更高效地筛选致病变异及关键调控元件。相关研究成果已于9月9日发表在《自然》杂志上。
据鼓狮财经9月11日报道,美国加州大学伯克利分校团队开发了一款名为GPN-Star的基因组语言模型。该模型具备解读长达30亿碱基“语法”的能力,在识别人类遗传变异时速度更快、精度更高。
GPN-Star通过全基因组比对数据从进化过程中学习知识,其训练成本远低于大型同类模型。此外,团队同步发布了全基因组预测注释数据,旨在协助生物学家更高效地筛选致病变异及关键调控元件。相关研究成果已于9月9日发表在《自然》杂志上。