中心法则转换器III：跨DNA、RNA和蛋白质的可解释AI
机器学习
2026-03-27 v2 基因组学
摘要
生物AI模型越来越多地预测复杂的细胞响应，但其学到的表示与其旨在捕捉的分子过程仍然脱节。我们提出了CDT-III，将机制导向的AI扩展到完整的中心法则：DNA、RNA和蛋白质。其两阶段虚拟细胞嵌入器架构镜像了细胞的空间区室化：VCE-N模拟细胞核中的转录，VCE-C模拟细胞质中的翻译。在五个保留基因上，CDT-III实现了每个基因RNA的r=0.843和蛋白质的r=0.969。添加蛋白质预测改善了RNA性能（r从0.804提升至0.843），表明下游任务对上游表示具有正则化作用。蛋白质监督增强了DNA层面的可解释性，使CTCF富集度提高了30%。对实验测量的mRNA和蛋白质响应的分析显示，大多数具有可观测mRNA变化的基因在蛋白质层面表现出相反的变化（在|log2FC|>0.01时为66.7%，在|log2FC|>0.02时上升至87.5%），揭示了仅RNA扰动模型的基本局限性。尽管存在这种普遍的方向不一致性，CDT-III正确预测了mRNA和蛋白质响应。应用于模拟CD52敲低以近似Alemtuzumab的实验中，该模型正确预测了29/29个蛋白质变化，并在没有临床数据的情况下重新发现了7个已知临床副作用中的5个。基于梯度的副作用分析仅需未扰动的基线数据（r=0.939），使得无需新实验即可筛选全部2361个基因。
引用
@article{arxiv.2603.23361,
title = {Central Dogma Transformer III: Interpretable AI Across DNA, RNA, and Protein},
author = {Nobuyuki Ota},
journal= {arXiv preprint arXiv:2603.23361},
year = {2026}
}
备注
21 pages, 8 figures, v2: corrected mRNA-protein divergence analysis with DSB-normalized data