GPN Starの位置づけ

対象読者#

• 比較ゲノム学や進化生物学と、機械学習・深層学習の接点に興味がある方
• ゲノム言語モデル、ゲノム基盤モデル、生体内シミュレーションの技術的な進化を理解したい方
• 遺伝子変異の機能予測、疾患原因変異の解釈、医薬品開発へのAI応用に関心がある方

要約#

• GPN-Starは、古典的な比較ゲノム学とTransformer型のゲノム言語モデルを統合し、進化的制約（evolutionary constraint）を予測するモデルです。
• 大規模なDNA言語モデルに進化情報を暗黙的に学習させるのではなく、多種間アラインメントと系統樹をモデル構造に明示的に組み込むことで、高い予測性能を実現しています。
• AlphaGenomeが分子機能の予測、Evo 2が汎用的な配列理解・生成を目指すのに対し、GPN-Starは進化的制約に基づく変異影響予測に特化しています。
• 進化的制約は一種類ではなく、どの進化時間スケールを用いるかによって検出できる機能が異なることも重要な知見です。
• 今後は、進化情報、機能ゲノミクス、集団遺伝学、細胞・組織情報などを統合する方向が期待されます。

1. GPN-Starを理解するためのゲノム機械学習研究の歴史#

GPN-Starは、機械学習を用いたゲノム研究の発展の中で、重要な位置にあります。

端的に言うと、「巨大なDNA言語モデルを作れば進化的制約も自然に学べる」という方向から、系統樹や多種間アラインメントという生物学的構造をモデルに明示的に組み込む方向へと進んだ研究です。

ただし、これは古典的な比較ゲノム学への単純な回帰ではありません。

phastConsやphyloPのような進化モデルと、Transformer型の表現学習を接続した点がGPN-Starの本質です。

GPN-StarのNature版は2026年9月9日に公開されました[1]。

この研究を理解するために、まず機械学習を用いたゲノム研究の歴史を5つの段階に分けて振り返ります。

第1世代：比較ゲノム学 ― 保存されている場所は重要である#

2000年代のphastConsなどでは、多種間のwhole-genome alignmentと系統樹を使い、置換速度が遅い領域を「進化的に保存された領域」として検出しました。

phastConsは、phylogenetic hidden Markov modelを用いて、塩基置換過程とゲノム上の保存領域の連続性を明示的にモデル化します[2]。

基本的な考え方は次のとおりです。

Species alignment → Evolutionary model → Constraint score

異なる生物種で長期間保存されている塩基や領域は、進化の過程で変化することが許容されにくく、重要な生物学的機能を担っている可能性があります。

GPN-Starは、この20年以上前の考え方を直接的に受け継いだ研究として位置づけられます。

第2世代：多数のアノテーションを機械学習で統合する#

2010年代になると、CADDやLINSIGHTなどのモデルが登場しました。

CADDは、保存度、遺伝子アノテーション、エピゲノム情報など、多数の特徴量を機械学習によって統合し、個々の変異がどれほど有害（deleterious）である可能性が高いかを単一のスコアとして評価します。

2014年の原論文では、SVM（Support Vector Machine）が使用されていました[3]。

LINSIGHTは、さらに興味深い研究です。

LINSIGHTでは、以下の3つが組み合わされています。

• Functional genomics
• Machine learning
• Molecular evolution

これは、研究思想としてはGPN-Starにかなり近いものです[4]。

ただし、CADDやLINSIGHTでは、基本的に人間が設計した特徴量を入力として利用します。

第3世代：DNA配列そのものから深層学習で機能を予測する#

2015年のDeepSEAは、大きな転換点となりました。

DeepSEAではDNA配列をCNN（Convolutional Neural Network）に入力することで、以下のような機能ゲノミクス情報を直接予測できることが示されました[5]。

• 転写因子結合（TF binding）
• DNase hypersensitivity
• ヒストン修飾（Histone marks）

これにより、次の研究系列が成立します。

DNA → Neural network → Functional genomics

この考え方は、現在まで続く「sequence-to-function」モデルの基盤です。

その後の主な発展は、次のように整理できます。

DeepSEA / Basset
↓
ExPecto
↓
Basenji
↓
Enformer
↓
Borzoi
↓
AlphaGenome

EnformerはTransformerを利用して、約100 kb離れた調節作用までモデル化し、長距離のenhancer–promoter関係をDNA配列から学習できることを示しました[6]。

Borzoiは、さらに500 kbを超える配列コンテキストまで対象を広げました。

RNA-seq coverageを直接予測することで、転写、splicing、polyadenylationなどを統一的に扱う方向へと進んでいます[7]。

そして2026年のAlphaGenomeでは、1 MbのDNA配列から、以下のような多数の分子機能を同時に予測します[8]。

• 遺伝子発現
• クロマチンアクセシビリティ
• 転写因子結合
• ヒストン修飾
• Splicing
• 3D chromatin contact

AlphaGenomeは、数千種類の機能ゲノミクストラックを同時に予測するモデルです。

この系列は、現在の「DNA配列から分子機能を直接予測するAI」の中心的な発展方向といえます。

第4世代：DNAを言語として自己教師あり学習する#

自然言語処理におけるBERTやGPTの成功を受けて、DNAにもlanguage modelを適用する研究が進みました。

Nucleotide Transformerは、最大25億パラメータのモデルを構築しました。

多数のヒトゲノムや850種のゲノムを利用した自己教師あり学習によって、さまざまなゲノム解析タスクへfine-tuningできる表現を獲得しています[9]。

この系列には、以下のモデルも含まれます。

• DNABERT
• Nucleotide Transformer
• HyenaDNA
• Caduceus
• Evo
• Evo 2

特にEvoからEvo 2への発展では、単純な特徴抽出だけでなく、DNA・RNA・タンパク質に関連する配列の予測や、長大なゲノム配列の生成へと研究が進みました。

Evoは、ゲノムスケールでの配列生成能力も示しています[10]。

ここで重要な研究上の疑問が生まれました。

DNA配列を大量に学習させれば、進化的制約も自動的に獲得できるのでしょうか。

この問いに対して、ヒトのvariant effect predictionでは、必ずしも期待どおりの結果が得られませんでした。

GPN-Starの論文でも、巨大なsingle-sequence genomic language modelは多くの計算資源を必要とする一方、constraint predictionでは古典的な進化ベースモデルやalignmentベースモデルに及ばない場合があると問題設定しています[1]。

この課題から、GPN系列の研究が発展しました。

第5世代：進化情報を明示的に組み込むゲノム言語モデル#

GPN系列は、DNA配列だけから進化的制約を暗黙的に学習する方法を出発点とし、次第に多種間アラインメントや系統情報を明示的に利用する方向へ進化しました。

GPN-Starは、この系列の重要な到達点です。

研究の方向性としては、モデルを単純に巨大化するのではなく、生物学的に意味のある構造をモデルに組み込むことで、予測性能と計算効率を改善するアプローチです。

2. GPNからGPN-Starへの技術的な進化#

GPN-Starを理解するうえでは、GPN系列そのものの発展を追うことが重要です。

その流れは、次のように整理できます。

GPN → GPN-MSA → PhyloGPN → GPN-Star

GPN：アラインメントされていないゲノムから学習する#

2023年の初代GPNは、Arabidopsisとその近縁植物のunaligned genomeを利用してDNA language modelを訓練しました。

そして、教師なし学習だけでもvariant effectを予測するための情報を学習できることを示しました[11]。

この段階では、ゲノム配列の統計的な構造から、機能的に重要な変異を見分けることを目指していました。

GPN-MSA：多種間アラインメントを直接利用する#

次のGPN-MSAでは、発想を一段進めました。

進化情報を暗黙的に学習させるより、multi-species alignmentそのものを入力にした方がよいのではないでしょうか。

GPN-MSAは、100-way vertebrate whole-genome alignmentを利用します。

これにより、coding領域とnon-coding領域の両方で、強いvariant effect prediction性能を示しました[12]。

ここで、進化的な比較情報を直接モデルに与えることの価値が明確になりました。

一方、GPN-MSAには課題もありました。

特定のalignment構造への依存性が強く、species compositionなどの調整に手作業が必要だったのです。

PhyloGPN：学習時と推論時の情報を分離する#

PhyloGPNでは、別の方向からこの問題に取り組みました。

学習時にはphylogenyやalignmentの情報を使用しますが、推論時には単一のDNA配列だけでも予測できる構成が提案されました[13]。

つまり、進化情報を教師として活用しながら、推論時の入力要件を簡素化するアプローチです。

GPN-Star：系統樹を明示的にモデル化する#

GPN-Starでは、whole-genome alignmentに加えてspecies treeを明示的に利用します。

これによって、単に複数の生物種の塩基配列を並べるだけではなく、それぞれの生物種がどのような進化的関係にあるかをモデルに反映させます[1]。

GPN-MSAに対する主な改良点は、次の3つです。

1. Humanだけではなく、alignment中の複数speciesについてmasked nucleotide predictionを行います。
2. Species treeをモデル構造に明示的に組み込みます。
3. 異なるspecies構成のalignmentを、より柔軟に扱えるようにします。

さらに、mutation-rate variationを補正するためのcalibrationも導入されています[1]。

3. GPN-Starの核心：Transformerの中に系統樹を組み込む#

GPN-Starの技術的な核心は、whole-genome alignmentだけではなく、species treeの情報をattentionの計算に反映する点です。

大まかな処理は、次の流れで表現できます。

Whole-genome alignment
↓
Species-tree-aware pooling
↓
Phylogeny-aware cross-attention
↓
Nucleotide probabilities
↓
Variant constraint score

生物種を独立した配列として扱わない#

従来の配列モデルでは、異なる生物種のDNA配列を単なる複数の入力として処理することがあります。

しかし、生物種は互いに独立しているわけではありません。

共通祖先から分岐した進化的な関係があります。

GPN-Starでは、近縁種をcladeとしてまとめ、系統的な関係を考慮したcross-attentionによって情報を統合します[1]。

その結果、異なる生物種の塩基情報を利用しながら、進化的な制約を推定します。

Biology-informed foundation modelという位置づけ#

GPN-Starの重要な特徴は、モデルの構造そのものに生物学的知識を組み込んでいることです。

これは、「biology-free foundation model」というよりも、biology-informed foundation modelに近いアプローチです。

一般的な大規模言語モデルの方向性では、モデルサイズや学習データ量の拡大によって能力を高めようとします。

これに対してGPN-Starでは、進化という既知の生物学的構造をinductive biasとして組み込むことで、特定の予測課題に対する性能を向上させています。

この研究は、AI全般で重要になっている次の設計思想とも共通しています。

単純にモデルを巨大化するだけでなく、問題固有の構造や知識をモデルに与えることが有効です。

4. 進化時間スケールによって検出できる機能が異なる#

GPN-Starのもう一つの重要な知見は、進化的な比較範囲が広ければ広いほど、必ずしもよいわけではないという点です。

従来の比較ゲノム学では、多くの生物種を比較し、より長い進化時間を対象にするほど、重要な保存領域を発見しやすいと考えられます。

しかし、GPN-Starでは異なる進化時間スケールを明示的に比較しました。

対象となる主な分類群は、次の3つです。

• Vertebrates（脊椎動物）
• Mammals（哺乳類）
• Primates（霊長類）

最適な進化時間スケールは予測対象によって変わる#

Coding領域やmissense変異における強い進化的制約では、より深い進化時間が有用な場合があります。

一方、non-coding regulatory variationや複雑形質では、mammalやprimateといった比較的近い進化時間スケールの情報が非常に強い場合があります。

論文では、primateを用いて学習したモデルが、100を超えるcomplex traitsについて非常に強いheritability enrichmentを示したと報告しています[1]。

この結果は、進化的制約の考え方に重要な意味を持ちます。

Functional constraintは一種類ではなく、進化時間スケールに依存します。

例えば、次のような解釈が考えられます。

• 約5億年間保存されている領域は、生存に必須となる基本的な機能を担っている可能性があります。
• 約3,000万〜1億年という時間スケールで保存される領域は、哺乳類に特徴的な調節機能と関係している可能性があります。
• 霊長類で強く制約される領域は、ヒトに近い複雑なregulatory phenotypeに関連している可能性があります。

つまり、すべての変異に対して単一の「保存度」を計算するだけでは不十分な場合があります。

どの進化時間スケールで保存されているのかという情報自体が、機能予測の重要な手がかりになります。

5. GPN-StarとAlphaGenomeの比較#

GPN-StarとAlphaGenomeは、いずれもゲノム解析における重要なモデルですが、学習対象と予測する内容が異なります。

両者は競合する部分もありますが、本質的には異なる問いに答えています。

主なモデルの比較#

モデル	主に学習する対象	入力情報	得意な問い
GPN-Star	Evolutionary constraint	DNA、多種間アラインメント、系統樹	この変異は進化的に許容されるか
AlphaGenome	Molecular function	DNA、機能ゲノミクスの教師信号	この変異は発現、splicing、chromatinをどう変えるか
Evo 2	General sequence distribution	多様な生物種の大規模DNAデータ	この配列は生物学的に妥当か、生成できるか
AlphaMissense	Protein pathogenicity	タンパク質配列・構造、集団変異情報	このmissense変異は病的か

AlphaGenomeが予測するのは分子機能です#

AlphaGenomeは、2026年1月にNature版が公開されたsequence-to-functionモデルです。

1 MbのDNA配列を入力として、ヒトの5,930種類のトラックなどを予測します。

また、26種類のvariant-effect benchmarkのうち25種類で、既存法と同等以上の性能を示しました[8]。

AlphaGenomeが主として答えるのは、次の問いです。

Variant → Molecular phenotype

つまり、DNA配列の変化が遺伝子発現やsplicing、クロマチン状態などにどのような影響を与えるかを予測します。

GPN-Starが予測するのは進化的制約です#

一方、GPN-Starが推定するのは、主として次の関係です。

Variant → Evolutionary fitness constraint

ある塩基置換が、進化の過程でどの程度許容されにくいかを推定します。

例えば、あるSNPについて、両モデルは次のような異なる情報を与えます。

GPN-Starの場合

「この塩基置換は強いpurifying selectionに反するため、有害である可能性が高いです」

AlphaGenomeの場合

「この塩基置換は肝細胞でenhancer activityを低下させ、GENE Xの発現を減少させる可能性があります」

これは両モデルの役割の違いを説明するための例です。

実際の解析では、GPN-Starによる進化的制約の予測と、AlphaGenomeによる分子機能の予測を組み合わせることで、より豊かな変異解釈が可能になります。

病原性変異の予測における比較#

GPN-Star論文では、OMIMやHGMDに含まれるpathogenic non-coding variantsに関する比較で、GPN-StarがEnformer、Borzoi、AlphaGenomeなどのsequence-to-functionモデルを上回ったと報告されています。

特にdistal enhancerでは、その差が大きかったとされています[1]。

ただし、この結果から「GPN-StarがAlphaGenomeより全面的に優れている」とは結論できません。

両者は異なる予測課題に強みを持っています。

• Pathogenicityやevolutionary constraintの予測では、GPN-Starが強みを示します。
• 分子メカニズムや組織特異的な機能変化の予測では、AlphaGenomeが強みを持ちます。

臨床ゲノム解析やGWASの解釈では、両方の情報が必要になる場面があります。

6. GPN-StarとEvo 2の比較#

Evo 2は、2026年3月にNature版が公開された、大規模なgenerative genomic modelです[14]。

Evo 2は、全生命ドメインを対象とする汎用的なゲノム配列モデルであり、human coding/non-coding variant pathogenicityのzero-shot predictionにも対応しています。

しかし、その研究目的はGPN-Starとは大きく異なります。

SpecialistとGeneralistの違い#

両者の違いは、次のように整理できます。

GPN-Star = Specialist

Evo 2 = Generalist

GPN-Starは、進化的制約の予測に重点を置いています。

一方、Evo 2は、変異のスコアリングだけでなく、多様な生物種のゲノム配列を理解し、新しいDNA配列を生成することも目指しています。

モデルの巨大化と生物学的知識の利用#

GPN-Star論文では、約2億パラメータのモデルを8台のA100 GPUで数日間訓練した場合でも、進化情報を明示的に利用することで、constraint predictionにおいて巨大なgenomic language modelを上回れることが示されています[1]。

Evo 2は、はるかに大規模な計算を利用する代わりに、variant scoring以外にも、DNA generationを含む幅広い能力を持ちます[14]。

したがって、この比較は単純な優劣ではありません。

次の2つの設計思想の対比と考えられます。

専門的な生物学的知識をモデル構造に組み込む方法

対

大規模なデータと計算によって汎用的な知識を獲得する方法

これは、ゲノム研究だけでなく、AI全体に共通する研究上の重要なテーマです。

7. GPN-StarとAlphaMissense・PrimateAI-3Dの比較#

Coding variant、特にmissense変異に限定すると、AlphaMissenseやPrimateAI-3Dといった非常に強い専門モデルがあります。

AlphaMissense#

AlphaMissenseは、タンパク質構造や進化情報、ヒトおよび霊長類の集団変異情報などを利用するmissense専門の予測モデルです[15]。

主な目的は、アミノ酸置換が病原性を持つ可能性を推定することです。

PrimateAI-3D#

PrimateAI-3Dも、233種の霊長類の変異情報とタンパク質の3D構造を利用します[16]。

タンパク質構造と進化的な変異情報を組み合わせるという点で、GPN-Starとは異なる専門性を持っています。

GPN-Starの利点は全ゲノムを対象にできることです#

GPN-Starは、タンパク質コード領域だけに限定されません。

同じ基本原理で、次のような領域を対象にスコアを付けられます。

• Missense variants
• Synonymous variants
• UTR
• Promoter
• Enhancer
• Intergenic regulatory regions

この点は、GPN-Starの大きな利点です。

一方、純粋なmissense pathogenicity predictionだけを考えると、AlphaMissenseなどの専門モデルが依然として強い場合があります。

GPN-Star論文でも、AlphaMissenseなどとの比較を通じて、population allele-frequency情報の重要性が示されています。

GPN-StarにgnomAD allele frequencyを後処理で組み合わせると、予測性能が大きく向上したと報告されています[1]。

つまり、進化的制約だけでなく、現在のヒト集団における変異頻度も重要な情報です。

8. 現在のゲノムAI研究を3つの方向から整理する#

現在のゲノムAI研究は、大きく3つの方向が並立していると整理できます。

A. Evolution：進化的制約を学習する#

phastCons / phyloP
↓
GPN
↓
GPN-MSA
↓
PhyloGPN
↓
GPN-Star

この系列では、異なる生物種間での保存度や進化的な制約を利用し、変異の重要性を予測します。

GPN-Starは、この方向における最新世代のモデルの一つです。

B. Experimental function：分子機能を予測する#

DeepSEA / Basset
↓
ExPecto / Basenji
↓
Enformer
↓
Borzoi
↓
AlphaGenome

この系列では、DNA配列から遺伝子発現やクロマチン状態などの機能を直接予測します。

実験によって得られた機能ゲノミクス情報を学習し、配列変化と分子表現型の関係を推定します。

C. General foundation / generative models：汎用的な配列モデルを構築する#

DNABERT
↓
Nucleotide Transformer / HyenaDNA / Caduceus
↓
Evo
↓
Evo 2

この系列では、多様なDNA配列を大規模に学習することで、幅広い予測や配列生成が可能な汎用モデルを構築します。

3つの方向は今後融合していく可能性があります#

現在は異なる研究系列として発展していますが、今後はこれらの情報を統合する方向が考えられます。

具体的には、次のような情報です。

• DNA sequence
• Evolutionary alignment / phylogeny
• Population variation
• Functional genomics
• Cell / tissue context
• 3D chromatin / protein structure

これらを一つのfoundation modelで統合することにより、配列から分子機能、さらには疾患に関連する表現型まで、より包括的に扱うモデルへ発展する可能性があります。

これは、ゲノム情報を用いて生体内の分子機能を計算機上で予測・シミュレーションする技術の発展とも関係する方向性です。

ただし、現時点のGPN-Star自体が生体内の全過程をシミュレーションするモデルというわけではありません。

GPN-Starが直接取り組んでいるのは、進化的制約に基づく変異影響の予測です。

その意味でGPN-Starは、ゲノム基盤モデルに進化情報をどのように組み込むべきかについて、重要な実証結果を示した研究と考えられます。

9. GPN-Starの限界と実用上の位置づけ#

GPN-Starには明確な強みがある一方、いくつかの限界もあります。

Whole-genome alignmentへの依存#

GPN-Starの最大の弱点は、強さの源泉でもあるwhole-genome alignmentへの依存です。

次のような領域では、進化的制約だけでは機能を十分に捉えられない可能性があります。

• ヒト固有の新しいregulatory element
• 急速に進化したゲノム領域
• Alignmentが困難な反復配列
• Structural variationを含む領域

異なる生物種の間で適切に比較できる配列情報が得られない場合、進化的制約に基づく予測には限界があります。

分子メカニズムを直接予測するわけではない#

GPN-Starは、ある変異について「有害である可能性が高い」と予測することができます。

しかし、次のような詳細な分子メカニズムを直接予測するモデルではありません。

• どの細胞で変化が起きるのか
• どの転写因子の結合が変化するのか
• どのenhancerを介して作用するのか
• どの遺伝子の発現が変化するのか
• 遺伝子発現が何%変化するのか

こうした予測は、AlphaGenomeやBorzoiなどのsequence-to-functionモデルが得意とする領域です。

Evolutionary deleteriousnessとclinical pathogenicityは異なる#

もう一つ重要なのは、進化的に有害と推定されることと、臨床的な病原性があることは同じではないという点です。

強い自然選択を受ける変異でも、特定の疾患との対応が単純ではない場合があります。

逆に、疾患に関連する変異が必ずしも強い進化的制約を示すとは限りません。

そのため、GPN-Starのスコア単独で臨床的な病原性を判断することは適切ではありません。

実用的には複数モデルの統合が自然です#

臨床ゲノム解析や疾患研究では、以下の情報を組み合わせる方法が考えられます。

GPN-Star score

• AlphaGenome prediction
• Population allele frequency
• Protein-specific predictors
• Phenotype / segregation evidence

GPN-Starは進化的制約を、AlphaGenomeは分子機能への影響を、AlphaMissenseなどのモデルはタンパク質に対する影響を、それぞれ異なる観点から評価します。

さらに、集団中での変異頻度や、患者の表現型、家系内での変異の分離情報などを統合します。

これにより、単一モデルでは捉えきれない情報を補完できる可能性があります。

医薬品開発においても、疾患に関連する変異や遺伝子の機能を理解するうえで、こうした複数の予測情報の統合が有用になると考えられます。

ただし、これはGPN-Star単独による創薬性能を実証したという意味ではなく、既存の変異解釈技術との組み合わせによる将来的な活用の方向性です。

10. 結論：GPN-Starはゲノム基盤モデルの設計思想を示す研究です#

GPN-Starを研究史の中で一文で表現するなら、次のようになります。

GPN-Starは、phastConsやphyloPに代表される古典的な比較ゲノム学と、Transformer時代のgenomic language modelを本格的に統合したモデルです。

特に重要なのは、2023〜2025年頃に強かった「DNA版の大規模言語モデルをスケールアップする」という発想に対して、別の方向から解決策を示したことです。

つまり、進化という既知の生物学的構造をモデルに明示的に組み込むことで、比較的小さなモデルでも、高度なvariant interpretationが可能になることを示しています。

GPN-Starは、GPN-MSAの直接的な後継であると同時に、AlphaGenomeやEvo 2とは異なる方向から「ゲノム基盤モデルはどのように設計すべきか」という問いに答えています。

その重要性は、単に変異影響予測の精度を改善したことだけではありません。

生物学的に意味のある構造をAIにどのように組み込むかが、モデルの性能や用途を左右することを示した点にもあります。

今後、ゲノム研究では、進化情報、実験的な分子機能情報、集団遺伝学、細胞・組織の状態、立体構造など、さまざまな情報を統合するモデルが発展していく可能性があります。

GPN-Starは、その中でも進化情報の明示的なモデル化が持つ価値を示した研究として、重要な位置を占めています。

参考文献#

[1] “Predicting genome-wide functional constraints with GPN-Star,” Nature, 2026.
https://www.nature.com/articles/s41586-026-11005-5

[2] Siepel, A., et al., “Evolutionarily conserved elements in vertebrate, insect, worm, and yeast genomes,” Genome Research, 15, 1034–1050, 2005.
https://genome.cshlp.org/content/15/8/1034

[3] Kircher, M., et al., “A general framework for estimating the relative pathogenicity of human genetic variants,” Nature Genetics, 46, 310–315, 2014.
https://www.nature.com/articles/ng.2892

[4] Huang, Y.-F., Gulko, B., and Siepel, A., “Fast, scalable prediction of deleterious noncoding variants from functional and population genomic data,” Nature Genetics, 49, 618–624, 2017.
https://www.nature.com/articles/ng.3810

[5] Zhou, J., and Troyanskaya, O. G., “Predicting effects of noncoding variants with deep learning-based sequence model,” Nature Methods, 12, 931–934, 2015.
https://www.nature.com/articles/nmeth.3547

[6] Avsec, Ž., et al., “Effective gene expression prediction from sequence by integrating long-range interactions,” Nature Methods, 18, 1196–1203, 2021.
https://doi.org/10.1038/s41592-021-01252-x

[7] Linder, J., et al., “Predicting RNA-seq coverage from DNA sequence as a unifying model of gene regulation,” Nature Genetics, 2025.
https://doi.org/10.1038/S41588-024-02053-6

[8] “Advancing regulatory variant effect prediction with AlphaGenome,” Nature, 2026.
https://www.nature.com/articles/s41586-025-10014-0

[9] Dalla-Torre, H., et al., “Nucleotide Transformer: building and evaluating robust foundation models for human genomics,” Nature Methods, 2024.
https://www.nature.com/articles/s41592-024-02523-z

[10] Nguyen, E., et al., “Sequence modeling and design from molecular to genome scale with Evo,” Science, 2024.
https://pubmed.ncbi.nlm.nih.gov/39541441/

[11] “GPN: Genomic Pre-trained Network,” GitHub repository, Song Lab.
https://github.com/songlab-cal/gpn

[12] “GPN-MSA,” Nature Biotechnology, 2025.
https://www.nature.com/articles/s41587-024-02511-w

[13] “PhyloGPN,” arXiv preprint, 2025.
https://arxiv.org/abs/2503.03773

[14] “Evo 2,” Nature, 2026.
https://www.nature.com/articles/s41586-026-10176-5

[15] Cheng, J., et al., “Accurate proteome-wide missense variant effect prediction with AlphaMissense,” Science, 381, eadg7492, 2023.
https://pubmed.ncbi.nlm.nih.gov/37733863/

[16] “PrimateAI-3D,” Nature Genetics, 2023.
https://www.nature.com/articles/s41588-023-01455-2

[17] “GPN-Star” PubMed preprint, 2025. https://pmc.ncbi.nlm.nih.gov/articles/PMC12458161/