GenePheno：从基因序列预测基因敲除诱导表型异常的可解释方法

探索基因序列如何塑造表型是生物学中的基本挑战，也是通用、假设驱动实验的关键步骤。该任务受到序列与表型之间巨大模态差距以及基因-表型关系的多基因性的 complicating 因素。现有基于序列的方法关注特定基因变体如何改变有限集合的表型，而通用的基因敲除诱导表型异常预测方法则高度依赖精选的基因信息作为输入，这限制了其可扩展性和通用性。因此，直接从基因序列预测基因敲除导致的多表型异常的任务尚未得到充分探索。我们引入 GenePheno，第一个可解释的多标签预测框架，用于从基因序列预测敲除诱导的表型异常。GenePheno 采用对比多标签学习目标，捕捉表型之间的相关性，并辅以排他性正则化，以确保生物学一致性。它进一步包含一个基因功能瓶颈层，提供可被人类解读的概念，反映表型形成背后的功能机制。为推动该领域的进展，我们构建了四个数据集，以标准化基因序列为输入，以基因敲除诱导的多标签表型异常为目标。在这些数据集上，GenePheno 实现了领先的以基因为中心的 $F_{\text{max}}$ 和以表型为中心的 AUC，并通过案例研究表明其揭示基因功能机制的能力。