中央Dogma Transformer II：用于理解细胞调控机制的AI显微镜
机器学习
2026-03-17 v3 定量方法
摘要
当前生物AI模型缺乏可解释性——其内部表示不对应研究人员可检验的生物学关系。理解基因调控需要那些所学习结构可被直接检验以生成可实验检验假设的模型。CDT-II在其架构中镜像了中央Dogma——DNA自注意力、RNA自注意力以及用于转录控制的交叉注意力——仅需基因组嵌入和原始单细胞表达数据。应用于K562 CRISPRi数据（完全保留五个基因），CDT-II预测了扰动效应（每基因平均r=0.84），恢复了GFI1B调控网络（6.6倍富集，P=3.5×10^{-17}），并显示交叉注意力聚焦于ENCODE调控元件，包括CTCF位点（在28个靶标上平均7.67倍，P<0.001）。梯度基于的归因准确预测了扰动治疗靶点的下游后果（平均r=0.82）。应用于TFRC（抗TfR1抗体PPMX-T003的靶点），梯度分析识别出涉及赤血细胞结构、铁依赖DNA合成和氧化应激的基因——这些通路与联合1期试验中报告的贫血和再生细胞减少以及前临床研究中演示的铁死亡相吻合，仅凭无临床数据输入即可建立CDT-II作为揭示从扰动实验中临床相关调控结构的AI显微镜。
引用
@article{arxiv.2602.08751,
title = {Central Dogma Transformer II: An AI Microscope for Understanding Cellular Regulatory Mechanisms},
author = {Nobuyuki Ota},
journal= {arXiv preprint arXiv:2602.08751},
year = {2026}
}
备注
23 pages, 9 figures, 1 table, 37 references. v3: added gradient attribution analysis (Fig 8), TFRC Jacobian regulatory map (Fig 9, Table 1), PPMX-T003 clinical validation, corrected references