<back

DeepGene项目

项目简介

DeepGene 基因语言分析计划——Deciphering the Gene Language

问题是什么？

• 人类基因序列（DNA/RNA、蛋白质序列）具有怎么样的结构？

• 什么是基因的结构？

• 进化是序列结构从简单到复杂的驱动力

  • 生物的进化
  • 自然语言的进化
  • 音乐的进化
  • 编程语言的进化

他们在研究上是否可以互为参照？

自然语言的结构分析和形式语言分析的启示

ChatGPT 提出了一个问题

• 我们希望AI给人类提供一个可解释、可理解的基因结构吗？

• 还是我们只需要AI自己理解，帮助我们解决疾病、衰老等问题就好？

  • 即范式1和范式2的选择

研究策略

• 收集语料（不同人、人种、物种的DNA/RNA/蛋白质序列）

• 收集Ground Truth（已知序列结构、功能的Database）

• 学习遗传学知识（中心法则、基因调控...）、生物信息学知识（Kmer...）

• 阅读AI+Gene的文献

  • 有哪些任务？
  • 有哪些模型？
  • 怎么评价模型的好坏？

• 选择2-3个简单、预料丰富的任务进行先期研究