海南大学发表在Tropical Plants上的一项突破性研究展示了人工智能（AI）在植物基因组学中的应用。研究人员正在使用大型语言模型（LLM）来解码复杂的遗传信息。这种方法有望促进农业、生物多样性保护和粮食安全。
长期以来，植物基因组学一直受到庞大而复杂的遗传数据的挑战。传统方法难以处理大型数据集和基因组变异。LLM通过利用遗传序列和人类语言之间的相似性，为分析植物基因组提供了一种新方法。
该研究的重点是调整LLM以理解植物基因组的独特特征。与具有语法规则的人类语言不同，植物基因组在控制基因表达的生物学规则下运行。研究人员在广泛的植物基因组数据集上训练LLM，以识别模式并预测基因功能。
训练过程包括预训练和微调。预训练涉及LLM处理未注释的植物基因组数据以识别相似之处。微调使用注释的数据集来完善模型对生物学功能的预测能力。
该研究成功地应用了为植物基因组学量身定制的不同LLM架构。这些包括仅编码器模型（如DNABERT）、仅解码器模型（如DNAGPT）和编码器-解码器模型（如ENBED）。每种模型都擅长处理基因组数据，从识别增强子和启动子到预测基因表达模式。
植物特定模型（如AgroNT和FloraBERT）在注释植物基因组方面表现出增强的性能。通过关注DNA序列的语言特征，这些模型揭示了基因调控的复杂性。这使得基因组信息能够在实际农业环境中应用。
该研究承认现有LLM架构的差距。目前的模型主要在动物或微生物数据集上进行训练，缺乏植物物种的全面基因组注释。作者提倡以植物为中心的LLM，纳入多样化的基因组数据集，特别是来自热带植物等研究较少的物种。
人工智能和LLM在植物基因组学中可以加速作物改良策略。这可以使植物物种更好地适应不断变化的环境条件。最终，这增强了生物多样性保护工作，这对全球粮食安全至关重要。
这项研究突出了人工智能在植物基因组学中的变革潜力。通过桥接计算语言学和遗传分析，研究人员可以彻底改变我们对植物生物学的理解。这有望提高农业生产力并促进可持续实践。
未来的努力将完善LLM架构并扩展训练数据集。这包括更广泛的植物物种，并调查实际农业应用。这项关键研究为植物基因组研究的新时代奠定了基础，人工智能将在其中发挥核心作用。