格隆汇9月11日｜美国加州大学伯克利分校团队创建了基因组语言模型GPN-Star，可解读30亿碱基的“语法”，在识别人类遗传变异方面更快更准。该模型利用全基因组比对数据从进化中学习内容，并以远低于大型模型的计算成本完成训练。团队同步发布全基因组预测注释，供生物学家筛选优先实验的致病变异与调控元件。相关论文9日发表于《自然》杂志。