BEND 2.0：基准测试设计 DNA 所需的能力

基因组基础模型正越来越多地被用于提出 DNA 序列和编辑方案。但成功的设计需要当前基准测试并未衡量的能力。在此我们推出 BEND 2.0（DNA 语言模型基准测试），它检验模型预测 DNA 变化效应的能力，以及这些预测能否指导序列设计。在基于五个实验数据集构建的八项任务中，我们发现模型选择以及表征的访问方式都会影响性能。拟合于冻结表征的线性读出器可以匹敌或超过模型的原生输出，而功能性后训练能显著提升模型的能力。线性读出器在不同实验测定和基因之间迁移良好，表明模型捕捉到了超越用于拟合单个预测器的数据之外的功能模式。与此同时，对平均效应的强预测可能掩盖对情境特异性效应的较弱预测，而对组合突变效应的准确预测并不意味着对其交互作用的准确预测。在设计任务中，模型预测可以减少找到期望响应所需的候选数量，但仍为更好的设计选择留有相当大的空间，尤其是对于情境特异性和多细胞目标而言。我们的基准测试揭示，基因组模型如今已显示出通用效用的迹象，但即便在简单任务上也尚未达到性能饱和。

中文由 AI 翻译，仅供参考，以原文为准。