浙江大学熊旭深团队 | Transformer语言模型，预测翻译调控并解析疾病变异

浙江大学熊旭深团队在Nature Machine Intelligence期刊发表的研究论文，介绍了基于Transformer架构的多模态深度学习模型Translatomer。该模型旨在预测细胞特异性翻译过程，填补了mRNA表达与蛋白质水平之间的差距，解析了复杂疾病的遗传变异对基因翻译的调控作用。研究通过整合基因序列和RNA-seq数据，模型能够准确预测翻译信号，并揭示了非编码区疾病位点对翻译效率的影响。此外，研究还开发了可解释性算法，用于评估基因序列和RNA-seq对翻译预测的贡献，并鉴定了3041个影响翻译效率的复杂疾病遗传位点。该研究为理解疾病遗传变异的分子机制提供了新视角，并为个性化治疗开辟了新方向。