美國加州大學伯克利分校團隊創建了基因組語言模型GPN-Star，可解讀30億鹼基的「語法」，在識別人類遺傳變異方面更快更準。該模型利用全基因組比對數據從進化中學習內容，並以遠低於大型模型的計算成本完成訓練。團隊同步發布全基因組預測註釋，供生物學家篩選優先實驗的致病變異與調控元件。相關論文9日發表於《自然》雜誌。
免責聲明：投資有風險，本文並非投資建議，以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請，作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考，不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證，投資者應自行研究並在投資前尋求專業建議。