Phương pháp AI tiết lộ những gì mô hình gen học được từ DNA và phơi bày thiên lệch thí nghiệm ẩn

Các nhà nghiên cứu tại Viện Y học Stowers đã xây dựng một phương pháp giải thích cho thấy, từng base một, những gì mô hình học sâu đã học được từ DNA, và dùng nó để loại bỏ một thiên lệch thí nghiệm ẩn trong dữ liệu genom. Phương pháp này, gọi là PISA, được mô tả trong một bài báo được xuất bản trên Nature Communications vào tháng 8 năm 2026 và được viện công bố vào ngày 25 tháng 8 năm 2026.

Mạng nơ-ron chuỗi‑đến‑chức năng nhận DNA thô làm đầu vào và dự đoán kết quả của các thí nghiệm genomics, từ việc gắn kết yếu tố phiên mã đến tổ chức nucleosome. Điều chúng thường không thể cho bạn biết là lý do tại sao chúng đưa ra dự đoán nhất định. PISA, viết tắt của pairwise influence by sequence attribution, truy vết dự đoán của mô hình tại một vị trí genom chính xác trở lại mọi base khác đã ảnh hưởng tới nó, tạo ra một bản đồ hai chiều với độ phân giải từng base về những gì mô hình đã học chứ không chỉ những gì nó dự đoán.

Nghiên cứu do Julia Zeitlinger tại Stowers dẫn đầu, hợp tác với Anshul Kundaje tại Đại học Stanford, với Charles McAnany, một Stowers AI Fellow, là tác giả đầu tiên. PISA chạy bên trong BPReveal, phần mở rộng mới nhất của phòng thí nghiệm dựa trên BPNet, một khung học sâu mà nhóm đã phát triển lần đầu vào năm 2021.

Cách PISA Tách Biệt Thiên Lệch Thí Nghiệm Khỏi Sinh Học

Nhóm đã áp dụng PISA vào MNase-seq, một phương pháp phổ biến để lập bản đồ nucleosome, các cấu trúc hình thành khi DNA quấn quanh protein histone. Phương pháp này hoạt động bằng cách dùng một enzyme cắt DNA tiếp xúc trong khi để nguyên DNA được bảo vệ bởi nucleosome, nhưng enzyme này ưu tiên một số trình tự hơn những trình tự khác. Do đó dữ liệu chứa hai tín hiệu chồng chập, và mô hình đã học cả hai.

Vì các công cụ giải thích trước đây gộp ảnh hưởng của mỗi base thành một giá trị duy nhất, các hiệu ứng dương và âm có thể triệt tiêu lẫn nhau và biến mất. PISA giữ nguyên thông tin ở độ phân giải đầy đủ, và ở độ phân giải đó, sở thích trình tự của enzyme xuất hiện như một dấu vân đặc trưng trên bản đồ. Nhóm đã trích xuất chữ ký này bằng toán học, huấn luyện một mô hình riêng chỉ dựa trên thiên lệch, và trừ nó đi, để lại một mô hình thứ hai chỉ học được sinh học.

“Nó giống như kính hiển vi siêu phân giải,” Zeitlinger nói trong thông cáo của viện. “Ngay cả các phương pháp giải thích trước đây cũng đã mở ra hộp đen. Rồi bạn nhận ra mình có thể nhìn thấy nhiều hơn nữa. Bạn thêm các pixel và đột nhiên thấy những thứ trước đây không thể thấy được.”

Bất Ngờ Ẩn Nằm Trong Dữ Liệu Sạch

Trong mô hình đã được chỉnh sửa thiên lệch, PISA tiết lộ các trình tự DNA giúp định vị nucleosome, với ảnh hưởng lan rộng hàng trăm base theo cả hai hướng. Nhiều trình tự mang tính bất đối xứng, ảnh hưởng một phía khác với phía còn lại. Theo dõi bất đối xứng này đã dẫn nhóm tới các ranh giới miền chromatin, các biên giới xác định trình tự điều hòa nào có thể tiếp cận gen nào. Những ranh giới này thường được lập bản đồ bằng các phương pháp chromatin 3D đòi hỏi độ sâu giải trình tự khổng lồ; mô hình đã phát hiện hàng ngàn ranh giới chỉ từ dữ liệu nucleosome, thường chính xác hơn so với dữ liệu 3D, theo bài báo.

Nhóm sau đó sử dụng các mô hình tập trung vào sinh học để thiết kế các trình tự DNA tổng hợp dự đoán sẽ sắp xếp nucleosome theo các cấu hình cụ thể, và đã thử nghiệm một phần các thiết kế này trong phòng thí nghiệm. Các dự đoán đã được xác nhận, chứng tỏ các quy tắc mà mô hình học được có thể tạo ra các giả thuyết có thể kiểm nghiệm thay vì chỉ mô tả dữ liệu hiện có.

Công trình này nằm trong một lĩnh vực đang đầu tư mạnh vào các mô hình trình tự ngày càng lớn. AlphaGenome của Google DeepMind, được công bố vào đầu năm 2026 và được trích dẫn trong phần giới thiệu của bài báo PISA, dự đoán ảnh hưởng của các biến thể điều hòa trên toàn bộ genome. PISA giải quyết vấn đề bổ sung: sau khi một mô hình đưa ra các dự đoán như vậy, hiểu được những đặc điểm trình tự nào thực sự được sử dụng. Phương pháp này đã lan rộng ra ngoài phòng thí nghiệm của Zeitlinger, được triển khai trong một gói phần mềm riêng bởi một cộng tác viên và được nhà thần kinh học của Stowers, Neşet Özel, áp dụng cho một câu hỏi sinh học khác.

PISA Theo Các Con Số

• 2021 – khung học sâu BPNet, nền tảng của PISA, lần đầu được nhóm phát triển
• 8 tháng 4, 2025 – bản preprint của PISA lần đầu được đăng trên bioRxiv
• tháng 8 2026 – bài báo được bình duyệt xuất bản trên Nature Communications
• Hundreds of base pairs – phạm vi của các trình tự định vị nucleosome cá nhân mà các mô hình khám phá
• Thousands – ranh giới miền chromatin được xác định chỉ từ dữ liệu nucleosome

Những Giới Hạn mà Các Tác Giả Nêu Ra

Đây là một bài báo về phương pháp và genomics, và tính liên quan đến bệnh là một hướng đi, không phải kết quả. Hầu hết các biến thể di truyền liên quan đến bệnh nằm trong DNA điều hòa hơn là trong gen, và Zeitlinger rõ ràng cho rằng việc đặt một biến thể vào vị trí gắn kết hoặc vào ranh giới miền chỉ đề xuất một cơ chế mà không tạo ra thuốc. Công trình cũng đòi hỏi một phòng thí nghiệm thông thạo cả học sâu và sinh học thí nghiệm, và Zeitlinger cho rằng sự kết hợp kiến thức kép này là khoảng trống lâu dài của lĩnh vực, hơn là sức mạnh tính toán.

Các trình tự DNA được thiết kế chỉ được xác thực cho một phần nhỏ được thử nghiệm trong phòng thí nghiệm, và phần minh chứng chỉnh sửa thiên lệch của bài báo chỉ áp dụng cho MNase-seq, mặc dù các tác giả cho thấy PISA đã được áp dụng cho nhiều loại dữ liệu. Lịch sử sửa đổi của preprint cho thấy phân tích miền chromatin đã được thêm vào trong quá trình bình duyệt, sau một phiên bản đã sửa được đăng vào ngày 5 tháng 1 năm 2026.

Điều mà công trình hiện nay thiết lập là một cách để kiểm tra những gì các mô hình genom hấp thụ từ dữ liệu huấn luyện, chỉnh sửa các phần xuất phát từ thí nghiệm thay vì sinh học, và trích xuất các quy tắc trình tự đủ chính xác để thiết kế và thử nghiệm trên các hệ thống sống.