基于 GPT-2 XL 和 NVIDIA H100 的癫痫基因组分析深度学习管道
基因组学
2025-10-02 v1 计算机视觉与模式识别
机器学习
摘要
癫痫是一种以反复抽搐为特征的慢性神经系统疾病，全球约有5000万人患病。尽管高通量测序技术的进步使得对大脑组织进行广泛的转录组分析成为可能，但解读这些高度复杂的数据仍然是一个挑战。为此，本文提出了一种新的分析管道，将深度学习策略与GPU加速计算相结合，用于调查癫痫中的基因表达模式。具体而言，我们的方法采用GPT-2 XL，这是一种基于Transformer的大规模语言模型（LLM），拥有15亿参数，用于基于最新NVIDIA H100 Tensor Core GPU（基于Hopper架构）的基因组序列分析。我们的方法 enables 对RNA序列数据进行有效的预处理、基因序列编码以及后续模式识别。我们在两个癫痫数据集上进行了实验，包括GEO accession GSE264537和GSE275235。获得的结果显示，包括在酮饮食治疗后显著减少的海马神经胶质细胞增生，以及在斑马鱼癫痫模型中恢复的兴奋-抑制信号平衡。此外，我们的结果突出了利用LLM结合先进硬件加速进行神经疾病转录组特征表征的有效性。
引用
@article{arxiv.2510.00392,
title = {A Deep Learning Pipeline for Epilepsy Genomic Analysis Using GPT-2 XL and NVIDIA H100},
author = {Muhammad Omer Latif and Hayat Ullah and Muhammad Ali Shafique and Zhihua Dong},
journal= {arXiv preprint arXiv:2510.00392},
year = {2025}
}
备注
12 pages