荷兰癌症研究所（NKI）和Oncode研究所的研究团队开发了深度学习模型PARM（启动子活性调控模型），为理解转录因子如何调控人类基因启动子提供了新视角，揭示了基因开启与关闭的调控机制。

研究团队表示，PARM模型能够解读基因调控系统的语言，为癌症诊断、患者分层和未来疗法提供线索。该研究发现基因调控过程比以往认知更具可预测性。

团队负责人Bas van Steensel博士表示：“我们的PARM模型使我们能够大规模揭示调控规则，现在我们可以理解甚至预测调控DNA如何控制基因活性。”这项研究成果已发表于《自然》杂志，论文题为“基于MPRA的深度学习揭示人类启动子中的调控语法”。

启动子是基因的核心调控元件，其活性确保每个基因的正确转录水平，对细胞稳态和信号响应至关重要。Van Steensel解释说：“经典遗传密码解释了基因如何编码蛋白质，但大多数基因的调控机制仍不清楚。基因间DNA包含启动子等调控元件，但决定基因开关状态的控制系统语言很大程度上仍是未知的。”

PARM是一个细胞类型特定的深度学习模型，基于专门设计的大规模并行报告基因检测（MPRAs）训练。该模型结合了实验室实验与计算分析，能够高效构建所有人类启动子的序列到活性模型。

Jeroen de Ridder博士指出：“大多数AI模型从现有数据中学习，而PARM的测量与AI是共同设计的。这使我们能为特定细胞类型构建高效模型，应用于前所未有的规模。”PARM能够预测基因调控在不同细胞类型间的差异，以及细胞在药物等刺激下的变化。

该模型详细揭示了每个基因“开关按钮”的架构，系统识别转录因子结合位点，检测细胞受刺激后调控网络的重构。每个模型输出都经过严格实验验证，确保预测准确性。

PARM使研究人员能够预测调控突变在特定细胞类型和条件（如药物治疗）下的功能影响，为癌症精准医疗开辟新途径。与谷歌DeepMind的AlphaGenome模型相比，PARM更加灵活且计算轻量，所需计算能力减少约1000倍。

Van Steensel表示：“使用PARM模型，只需一个培养皿的细胞和一天计算时间，就能详细观察特定细胞类型如何利用DNA代码响应激素、营养素或药物信号。”该研究证明，在小型功能基因组数据集上训练的轻量模型是大量建模工作的可行替代方案。