Nat Methods｜江瑞团队提出单细胞表观基因组基础大模型EpiAgent

背景：表观基因组通过DNA及相关蛋白质修饰调节遗传信息解读，是理解疾病机制的关键桥梁。2015年出现的单细胞染色质开放性测序技术（scATAC-seq）虽能观测基因调控元件状态，但其数据的高维度、稀疏性和二值化特点给生物信息学分析带来严峻挑战。研究目的：清华大学江瑞团队提出EpiAgent基础大模型，旨在通过14亿参数的细胞压缩语言模型解决单细胞染色质开放性数据分析难题。该模型将细胞内百万级染色质开放区域压缩为8192个词元的"细胞语句"，利用双向注意力机制学习调控规律。结论：EpiAgent在细胞聚类、类型注释、数据填补等任务中表现优异，首次实现调控元件虚拟敲除的"数基细胞实验"，在肾透明细胞癌研究中成功推动肿瘤细胞向正常细胞演化。该模型建立了单细胞表观基因组研究新范式，为药物靶点发现和精准治疗提供新手段。