AI怎样读懂基因调控 4/4

生信小白板 · 文献深读 · 4/4

AI辅助原创解读示意，非实验数据。

原创概念示意，非实验数据。

带进项目之前，先把模型承诺写完整

如果只能从这组文章带走一句话，那就是：模型的能力要连着输入、实验标签、测试条件和实际用途一起说。一个很高的分数，只有放回这四项信息里，才足以帮助下一步决策。下面是一份独立检查清单，可以用于组会读论文，也可以用于准备新的分析。

本清单基于Rayamajhi等2026年9月10日发表于Journal of Experimental Botany的综述《Decoding gene regulation in plant genomes with artificial intelligence》，DOI：10.1093/jxb/erag323，并结合全文核读的Jores启动子研究、GenomicLinks、AgroNT和GENIE3。具体建议是本刊的综合分析，不是原作者统一制定的标准。

第一步，把问题写成一句可检验的话

不要只写“用AI研究基因调控”。改写成“在某物种、某组织和某条件下，用某类输入预测某种可测输出”。再补一句：模型结果将用于候选排序、注释补充，还是替代一次测量。不同用途需要不同程度的验证，也决定应容忍哪些错误。

特别检查输出粒度。剪接位点分类、完整转录本结构和异构体使用比例需要分开；报告构建体活性与原位基因表达需要分开；总体表达与条件变化需要分别评分。AgroNT的原始结果说明，总体表达预测较好，可以与组织间变化预测有限同时存在。

第二步，给标签和负例写清楚出处

问阳性来自哪种实验，样本在什么条件下测量，负例为何可以被当作负例。没有测到、没有注释和确定不存在，证据强度不同。GenomicLinks的负例构造直接影响了模型能够学习的目标，说明这一页Methods值得认真读。

还要排查容易走捷径的特征。如果两类序列的长度、GC含量或基因组位置差别很大，高分可能部分来自这些差异。匹配与分层能够帮助检查，但应保留实际用途。AgroNT的lncRNA分类和多聚腺苷酸化位点分析，提供了具体的负例设计案例。

第三步，让留出单位对应未来应用

训练集、验证集和测试集各有职责。参数、窗口或阈值的选择应尽量在训练与验证阶段完成；最终测试用于回答预先确定的问题。随机拆分序列不自动支持跨物种外推，随机拆分细胞也不自动支持推广到新个体。

基础模型还需要分别记录预训练、下游微调和最终评估的数据。物种没有进入微调，却参与过基因组预训练，与真正未见物种不是同一种条件。把实际场景写清楚，通常比笼统争论有没有“泄漏”更有价值。

第四步，给复杂模型安排一个公平的对手

优先选择与任务相符的简单或成熟基线，并对齐输入长度、标签、候选集合、额外知识及划分。复杂模型多拿了数据，并不说明优势无效，但报告应说明收益来自什么。记录运行和维护代价，才能判断它是否适合自己的实验室。

分类任务结合阳性比例阅读AUROC、AUPRC和实际阈值表现；候选筛选关心前列命中和稳定性；表达差异任务需要评价变化方向与幅度。不要用一个总体分数代替所有目标，也不要直接比较不同数据集、不同负例比例下的数字。

第五步，把候选、关联和机制分别命名

网络边首先可能是一条候选关系。GENIE3通过表达预测的重要性给边排序，原始输出不直接给激活或抑制符号，也不把分数解释为P值。共同原因、间接作用和未观测蛋白状态，都可能影响推断。画出箭头之后，证据工作仍要继续。

同样，计算机内突变改变的是模型输入，随后观察的是模型输出；这有助于形成实验假设。Jores研究进一步合成并测试推荐序列，使预测连接到真实功能测量。两者可以协同，但要清楚哪一步发生在计算机里，哪一步发生在实验系统中。

第六步，提前写出什么结果会改变决定

在启动验证前，定义最重要的成功条件和失败条件：哪些候选值得继续，哪些情境下暂停使用，哪些误差会影响项目结论。不要等结果出来以后再修改问题。模型若在某种组织或物种中明显失效，应把这个边界保存下来，作为下一轮数据采集的依据。

建议每个模型保留一页记录：输入与版本、标签来源、正负例规则、训练及留出单位、基线、主要指标、失败范围、可用算力和后续实验。每个重要候选再附证据来源。这样，后续复用时既看得到价值，也看得到尚未解决的不确定性。

本系列的结论与证据边界

这篇综述的价值，在于把多个调控层次放进同一张研究地图。更可靠的使用方式，是沿着具体任务往下检查，再回到实验体系验证。植物与动物可以共享建模思想，但物种机制、序列组成和调控环境的差别，要求我们重新建立适用范围。

本系列全文核读主综述正文、图注及主表，四项核心原始研究也核读了主论文和Methods。主综述补充Table S1未取得；其他被提及工具没有逐项独立复核。本文未运行模型、未重新计算基准，所有图均为原创概念示意。最终建议很简单：让每一个分数对应一道明确的题，让每一个更强的结论获得相应的新证据。

原论文：Decoding gene regulation in plant genomes with artificial intelligence；DOI：10.1093/jxb/erag323。

本文为独立文献解读；原创示意不代表实验数据。原文图如有使用，见各图来源、许可及改动说明。延伸建议不代表作者已完成的实验。

https://academic.oup.com/jxb/advance-article/doi/10.1093/jxb/erag323/8789800

https://doi.org/10.1038/s41477-021-00932-y

https://doi.org/10.1093/nargab/lqae123

https://doi.org/10.1038/s42003-024-06465-2

https://doi.org/10.1371/journal.pone.0012776