绘制基因收集必要大批的转录组数据来进修基因之间的联络，这障碍了数据局限场景中的迷信浮现，包罗稀有疾病和浸染临床没法达到的构造的疾病。比来，迁徙进修使用深度进修模子，在天然说话贯通和计较机视觉等范畴激发了，这些深度进修模子起首在大范围通用数据集上预练习，而后经过局限的一定使命数据对大批下流使命停止微调。
这项最新宣布于 Nature 的研讨，开辟了一种高低文感知的、鉴于注重力的深度进修模子 Genefabalone。该模子在大略 3000 万个单细胞转录组的大范围语料库中停止了预练习，以便在收集生物学的局限数据情况下停止高低文一定的展望。在预练习时代，Genefabalone 取得了对收集能源学的根本贯通，以完整自监视的体例在模子的注重力权重中编码收集条理。在利用局限的一定使命数据对与染色质和收集能源学无关的种种下流使命停止微调后，解释 Genefabalone 一直进步展望的精确性。
Genefabalone 利用于拥有局限患者数据的疾病建模，肯定了心肌病的候选医治目的。总的来讲，Genefabalone 代表了一种预练习的深度进修模子，能够对其停止微调以完结普遍的下流利用，加快浮现关头的收集调理器和候选医治目的半岛官网入口。
