研究突破与核心方法 - 研究团队结合深度学习与大语言模型的推理能力，开发了一个名为LyMOI的混合组学解读工作流，用于从海量组学数据中识别细胞调控网络并进行机制阐释 [2][5] - 该工作流整合GPT-3.5进行生物知识推理，并采用基于图卷积网络的大型图模型，该模型融合进化保守的蛋白质相互作用，通过分层微调技术从多组学数据中预测特定情境的分子调控因子 [5] - GPT-3.5随后生成机器思维链，对预测的调控因子在生物学系统中的功能进行机制性阐释 [5] 应用成果与发现 - 以自噬过程为重点，LyMOI系统解读了1.3TB的转录组、蛋白质组及磷酸化蛋白质组数据，拓展了对自噬调控因子的认知 [7] - LyMOI精准识别出两种人类癌蛋白CTSL和FAM98A，它们能在抗肿瘤剂双硫仑处理下增强自噬效应 [7] - 体外实验表明，沉默CTSL和FAM98A这两个基因可削弱双硫仑介导的自噬并抑制癌细胞增殖 [7] - 联合使用双硫仑与CTSL特异性抑制剂Z-FY-CHO，可显著抑制体内肿瘤生长 [7]