Scientists have sequenced the genomes of thousands of species. But for most of them, nobody knows *w...

Thomas Wolf 在 X 上的推文："科学家已经对数千种物种的基因组进行了测序。但对其中大多数物种来说，人们并不知道 *基因位于何处*。今天，我们发布了 Carbon-A，这是一个可以直接在 DNA 中定位基因的开源模型。我们利用它创建了一个包含 22,617 个物种（从真菌到哺乳动物，我们也将其一并分享）共 5.66 亿个候选基因的数据库。为什么要这么做？有几个原因：1. 大象患癌症的情况很少见。部分解释出现在它们的基因中：它们拥有一种肿瘤抑制基因的额外拷贝，而人类只有单一拷贝。在没有工具找到物种基因之前，你无法提出这类问题。2. 第一个 GLP-1 药物基于墨西哥钝口螈毒液中的一种肽。没有人会把墨西哥钝口螈列入优先清单。同样，作物的野生近缘种携带抗旱和抗病特性，但许多物种从未被注释过。3. 我们对基因的了解主要来自约十几个模式物种（如小鼠、果蝇和酵母）。这种聚焦取得了显著成果，但注释流程仍高度依赖与这些物种的比较，这使得其他物种特有的基因容易被忽视，而这些基因往往最具研究价值。Carbon-A 属于一类新型工具，可以直接读取 DNA。它从已知基因组中学习，但不需要近缘物种就能解析新基因组。4. 即使是熟悉的基因组仍存在缺口。与 Active Site 和 UCSD 的合作伙伴合作，我们在猫、鸡、仓鼠和一种实验植物等常见物种的参考注释中发现了 239 个缺失基因的 RNA 证据。5. AlphaFold 可以预测蛋白质的结构，但前提是有人已经找到了编码该蛋白质的基因。在没有注释基因的物种中，AlphaFold 无法开展工作。关于安全性的一些说明：Carbon-A 不设计 DNA 或预测基因功能，它仅标记 DNA 中基因的位置。这也是我们认为开放发布它是正确选择的原因之一。更多注释也有助于健康研究：许多携带或引发疾病的物种包含在其中，而控制这些疾病传播的研究往往从它们的基因开始。模型、数据库和更多细节请参见 Georgia 的推文 👇

Georgia Channing

@cgeorgiaw

9h

今天，我们发布了 Carbon 注释数据库及其背后的模型 Carbon-A。我们利用该模型在 22,617 个物种中发现了 5.6634 亿个新候选基因，其中数千种物种此前从未以这种方式被研究过。我们已通过湿实验验证了其中一些

显示更多

$

00:00

/$

最后编辑

2026 年 10 月 8 日 下午 3:38

打开编辑历史

·

8,090

浏览量

13

15

134

55