研究用基因组语言模型 Evo2 解码植物双向启动子活性

研究团队利用基因组语言模型 Evo2 预测双向启动子（BDP）活性，并在拟南芥、玉米、水稻和小麦四个物种中揭示序列编码的调控规律。作者按共表达强度对 BDP 分层，将 Evo2 嵌入与 k-mer 特征、转录因子结合位点矩阵及序列训练的卷积神经网络比较，Evo2 嵌入优于所有基线。在单一物种或多物种上训练的模型可迁移到留出物种，互花米草（Spartina alterniflora）的活体植物验证支持了预测的高活性 BDP。稀疏自编码器分析将 Evo2 嵌入与核小体定位及物种特异的转录因子图谱联系起来。