他们用AI破译生命“隐藏文本”中国科学报

深耕基因组学研究多年，西安交通大学电子与信息学部教授叶凯团队始终在探索：能不能依托适配生命复杂体系的人工智能技术，破解传统研究工具长期难以攻克的难题？罕见病机理探究，便是其中极具代表性的方向。

近期，叶凯团队接连在《自然?遗传学》《自然?方法》刊发成果，先后研发出适配泛基因组学的人群水平结构变异解析新方法Swave，以及搭载混合专家架构的基因组语言模型 ANNEVO。

“通俗来讲，借助Swave，科研人员能清晰捕捉基因组中大范围的复杂变异；依靠ANNEVO，我们可以精准定位基因组里的有效基因区段。两项技术相辅相成，推动基因组研究实现从‘完成测序’到‘读懂破译’的关键跨越。” 叶凯解释道。

从“发现变异”到“解读变异”

基因组变异，是诱发疾病演进、推动物种演化的关键因素。如今，基因组组装与泛基因组技术飞速迭代，大规模群体结构变异分析逐步落地，但行业痛点依旧突出：复杂变异难以识别、重复序列干扰数据、跨样本分析基因信息缺失严重，长期制约着基因组基础研究与临床医学应用。如何在海量人群基因数据中，精准识别、拆解复杂结构变异，成为业内聚焦的核心课题。

针对这一痛点，团队创新研发Swave技术，通过 “点阵图投影波”完成基因序列升维、降噪与特征提取，再结合人工智能循环神经网络，实现变异类型判别、样本基因分型的全流程自动化。实测数据显示，该技术在变异识别精准度、家族基因匹配度、群体基因数据完整性上，全面优于现有主流算法。

依托Swave，团队对健康人群与罕见病患者开展大规模泛基因组分析，首次发现大量此前被低估的稀有低频基因变异。“这类变异，对厘清罕见病致病机理、解析物种演化规律，有着不可替代的研究价值。”叶凯告诉《中国科学报》。

叶凯介绍，基因注释是衔接基因测序与功能解读的关键环节，更是科研成果落地转化的重要基础。伴随国际大型基因组计划持续产出海量数据，高质量全自动基因注释，成为后基因组时代亟待攻克的技术难关。传统注释手段高度依赖RNA 测序、同源蛋白等外部佐证，不仅数据需求量大、运算成本高昂，还难以适配小众物种、特殊基因片段的研究需求。

为此，团队搭建出基于混合专家架构的ANNEVO基因组语言模型。该模型可自主学习不同生物的演化规律，读懂超长基因序列的内在关联，无需依托RNA测序、同源蛋白等外部数据，仅凭原始DNA序列，就能完成高精度全自动基因注释。

这项成果，打破德国相关团队长达二十余年的技术垄断，补齐我国基因注释领域的核心技术短板，也为国家生物安全筑牢技术根基，加速人工智能与生命科学的深度融合。

叶凯向《中国科学报》打了个比方：如果把基因组比作一本记录生命密码的“说明书”，Swave就像是细致核查全书，找出段落删减、语序调换、内容重复等改动痕迹；ANNEVO则能精准标注全书核心正文，划定调控生命活动的关键章节。前者摸清 “基因密码改在哪、怎么改”，后者解读 “这些改动意味着什么”，两项技术叠加，才能真正读懂生命这本厚重的 “说明书”。

面对基因组中大量晦涩难懂的重复序列，Swave擅长拨开数据迷雾，锁定隐蔽、易混淆的真实基因变异；而ANNEVO的核心价值，在于依托人工智能，精准筛选出具备实际生物学意义的关键基因区段。“这两项成果印证，人工智能不只是提升运算效率，更能在纷繁复杂的生命数据里，精准抓取核心有效信息。” 叶凯补充道，简单来说，Swave主攻“发现变异”，看清以往难以察觉的隐秘基因变化；ANNEVO主攻“解读变异”，明确变异对应的基因区段与功能影响。二者协同发力，不止是新增两项科研工具，更让人类破译生命基因密码迈出了实质性一步。

生命体系复杂性远超想象

在叶凯看来，两项核心技术接连落地，离不开团队长年的积累。Swave聚焦复杂基因变异识别，ANNEVO深耕全自动基因注释，攻关方向各有侧重，却始终围绕同一个核心思路：用贴合生命复杂特性的人工智能方法，破解传统技术的固有短板。“这并非偶然的单点突破，而是长期布局、持续攻关形成的系统性创新成果。”叶凯说。

叶凯坦言，科研攻坚路上，最大的难题从来不是数据匮乏，而是生命体系本身的复杂性远超想象。基因组并非条理清晰的文本档案，充斥着重复片段、基因重排、超长关联序列，不同物种的基因架构更是差异悬殊。研发Swave，要攻克复杂变异与无效数据的甄别难题；打磨ANNEVO，要突破物种壁垒，实现跨品类稳定解读基因结构。“说到底，科研的本质，就是不断钻研、一步步贴近生命最复杂的底层规律。” 叶凯补充道。

从研究逻辑来看，两项成果同向发力，最终指向同一个长远目标：搭建一套适配复杂生命体系的人工智能基因解析框架。“我们团队研发的从来不是零散的技术工具，而是一套完整、可持续迭代的生命密码解码体系。”叶凯介绍。

叶凯（右二）团队在实验室。受访者供图

“我们在研究中发现，很多关键的致病基因变异并不常见，反而多是隐蔽性强、极易被忽略的稀有变异。” 叶凯表示，Swave 能精准捕捉这些深藏不露的基因异常，ANNEVO 则进一步明确，判断这些异常是否会影响基因功能、诱发病变。这也提示业内，未来精准医疗、个体化诊疗想要落地见效，不能只聚焦常见基因信号，必须具备识别稀有关键变异的技术能力。

将支撑罕见病研究与精准医学

叶凯表示，目前尽管两项技术主要应用于基础科研，但早已贴近民生医疗，距离大众生活并不遥远。Swave 助力精准挖掘致病基因变异，赋能罕见病筛查溯源；ANNEVO 夯实基因组解读根基，保障基因注释精准高效，二者都是未来精准诊断、罕见病防治、个体化医疗的重要技术支撑。短期内或许难以普及到常规体检，但正在逐步破解以往部分遗传疾病“查不出、说不清、治不好”的困境。

叶凯团队合影。受访者供图

谈及后续规划，叶凯表示，团队将沿着两大方向持续发力。一方面深耕基础研究，深挖DNA序列的底层编码逻辑，探索生命基因信息在不同生长阶段、不同环境条件下的调控规律。“我们不仅要摸清基因组的现有密码，更要厘清生命活动如何依靠基因实现精密调控。” 叶凯说道。

另一方面加快成果转化，推动前沿算法走出实验室，落地应用于医学攻关、疾病诊断、生物产业等实景场景。“我们要把实验室里的科研成果，转化为助力行业发展、惠及民生的新质生产力。”未来，团队将兼顾基础攻关与产业落地，既深挖生命科学底层奥秘，又让先进技术真正发挥实用价值。

“基因测序只是第一步，让每个人的基因信息都能得到精准、严谨、可持续的专业解读，这才是人工智能赋能基因组研究最核心、最有前景的方向。”叶凯如是说。