待验证50% 置信解决方案精确时间

AI基因组工具的核心技术路线通常是整合多组学数据（如ATAC-seq、ChIP-seq、Hi-C）训练模型学习序列变化如何影响调控活性

1

来源数

50%

置信度

长期有效

时效性

2026/9/30

首次发现

来源

AlphaGenome Atlas：破解致病DNA变异的新利器

涉及实体

multi-omicsconcept ATAC-seqtechnology ChIP-seqtechnology Hi-Ctechnology

相关事实

待验证基于序列的AI模型可处理非编码区调控变异，与早期仅关注编码区氨基酸变化的工具不同77% 相似待验证抗菌肽发现中的专用AI模型通常基于图神经网络或蛋白质语言模型（如ESM系列），在已知抗菌肽序列与活性数据上训练75% 相似已验证该AI编程模式具有飞轮效应：用户上传模型越多，AI训练数据越丰富，能识别的零件特征越多，能接的订单类型越广73% 相似已验证AI编程工具中在AI评测中区分记忆与推理被视为理解模型真实能力边界的核心挑战，数据污染会使模型的推理本质上成为对训练数据的记忆复现72% 相似待验证人工智能在蛋白质结构预测、靶点筛选和临床试验设计上的应用正在压缩新药研发周期72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/960413

API

curl https://kongchang.com/api/v1/knowledge/claims/960413

MCP

get_claim(id=960413)