这种方法具有多重优势。它绕过了基因序列带来的隐私问题，而且，基因表达天然包含了环境因素 的影响，模型能间接反映外部因素的作用。 为了验证TWAVE的实际应用效果，团队在几种复杂疾病中进行了测试。结果表明，该方法不仅能 成功识别已知致病基因，还能发现一些被现有方法忽略的新基因。更重要的是，它揭示出同一种疾病可 能在不同人群中由不同的基因组合引起。这一发现为未来实现根据患者个体的遗传驱动机制进行个性化 治疗提供了理论依据。 【总编辑圈点】 科技日报北京6月13日电 （记者张梦然）美国西北大学团队开发出一种计算工具，能够从有限的基 因表达数据中提取关键信息，识别出多种复杂疾病背后的多基因组合。这项技术基于生成式人工智能 （AI），为未来的精准医学和药物开发提供了强有力工具。研究论文发表在最新的《美国国家科学院 院刊》上。 许多疾病是由多种基因共同作用决定的，而不是仅仅一个"坏"基因造成。这种复杂的基因网络使得 科学家难以准确识别哪些基因组合会导致疾病的发生。为了应对这一挑战，团队开发了名为TWAVE的 新模型。 该模型利用生成式AI技术，模拟健康和患病状态下的基因表达情况，从而将基因活动的变化与表 型变化相对应。它 ...

一水 发自 凹非寺 量子位 | 公众号 QbitAI 你的大脑衰老速度，原来受这64个基因影响！ 事情是这样的。 根据Nature最新报道，科学家们通过利用 AI模型 分析大量脑部扫描和遗传数据， 确定了64个影响大脑衰老速度的基因，并指出了13种潜在 的抗衰老药物。 相关研究发表在最新一期Science子刊《Science Advances》上。 按照Nature的评价，这是尝试确定影响器官衰退遗传因素这一研究领域里： 迄今为止规模最大的一次尝试 具体研究过程 有越来越多的证据表明，大脑衰老与神经退行性疾病 （认知或躯体的功能障碍） 和死亡风险的增加有关。 因此，本研究首先试图找出导致大脑衰老的因素，然后基于此找出应对之道。 具体而言，科学家们将 BAG （Brain Age Gap，大脑年龄差距）作为大脑衰老的标志，这是指大脑预测年龄和实际年龄之间的差距。 通过分析大量数据，他们想找出哪些基因造成了人们的BAG差异。 第一步，他们找来了 29097名健康参与者 的UKB数据集 （英国生物库） ，以此训练了7个AI模型进行脑龄估计。 这里要补充一下，过去几十年，通过磁共振成像 （MRI） 和机器学习模型来估 ...