IsoAlign：基于JEPA的同源异形感知DNA-蛋白质对齐框架

基因组基础模型往往忽略选择性剪接（alternative splicing），导致多模态预训练难以捕捉生物表征。新报道显示，研究人员 Niousha Sadjadi 等提出多模态框架 IsoAlign，通过“同源异形感知的 DNA-蛋白质对齐”为基因组预训练打底，使模型能学习更具生物学意义的表征。 IsoAlign 采用两种联合嵌入预测架构（JEPA）：DNA-Protein JEPA 与 Isoform-Masked JEPA。前者借助对比对齐捕捉编码序列信息，后者利用掩码蛋白质预测结合调控背景，使模型在同源异形层面实现更细致的特征学习。 该框架面向基因组基础模型的多模态预训练场景，强调“isoform-aware”对齐可弥补忽略选择性剪接的缺陷。报道来自 arXiv 的 ML（cs.lg）一手论文，发布时间为 2026-11-03 13:00。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。