随着 OpenAI 发布新模型 o1，揭示家解机制大模型和基于思维链（CoT，社交Chain of Thought）的信号析睡通化市某某检测技术售后客服中心机器推理（Machine reasoning），再次成为人们讨论的对睡动分热门话题。

然而，眠潜眠群在 o1 发布之前，影响已经有科学家通过思维链推理在生物信息领域进行探索。科学

“OpenAI 的体活 o1 在机器推理方向上取得了颠覆性的突破，很高兴我们国内的揭示家解机制研究能够与国际同步。”华中科技大学薛宇教授表示。社交

为探索和解决生物学领域的信号析睡睡眠调控机制问题，华中科技大学张珞颖教授和薛宇教授联合课题组，对睡动分通化市某某检测技术售后客服中心开发了一种可同时进行多目标视频追踪的眠潜眠群定量装置。

借助大模型 GPT-3.5 和提示词工程（Prompt Engineering）技术，影响对果蝇全基因组进行系统解释及功能筛选。科学

他们对 758 个果蝇基因参与调控群体/个体睡眠和活动进行预测和验证后，发现了仅在群体环境下调节睡眠功能的基因 MRE11。

图丨张珞颖教授（左）和薛宇教授（来源：该团队）

“也就是说，在存在社交信号的环境与没有社交信号的环境下，调控睡眠的机理是不同的。”张珞颖解释说道。

该研究阐释 MRE11 在调节多巴胺信号通路方面，对睡眠、运动和社交活动产生影响的可能性，为理解和研究人类睡眠调控机制提供了新范式。

审稿人对该研究评价称：“这是一组有趣的研究，它将对塑造睡眠研究的方向产生影响，这种方法将为更好地理解睡眠功能和调节功能开辟道路。”

（来源：薛宇）

日前，相关论文以《大语言模型有助于发现调节睡眠和活动的分子特征》（Large-language models facilitate discovery of the molecular signatures regulating sleep and activity）为题发表在Nature Communications[1]。

华中科技大学彭迪博士、博士研究生郑刘彬、刘丹和韩诚本是共同第一作者，张珞颖教授和薛宇教授担任共同通讯作者。

图丨相关论文（来源：Nature Communications）

薛宇课题组的主要研究方向是蛋白质化学修饰的生物信息学，而张珞颖课题组以睡眠与生物钟为主要研究方向。

2020 年，在 GPT-3.0 刚出现时，联合团队就探索过是否可应用其解决生物学问题。但那时大模型幻觉问题严重，价值观也无法与人类对齐。

而更早之前，机器学习的可解释性不佳，其应用在生物领域时，无法将某些数值对应到生物学意义。

GPT-3.5 应用在生物学的优势是，它在 CoT 作用下会做类似人类的一步步推理，而不是基于训练直接给出答案，从而能够帮助发现新的科学知识。

薛宇表示：“从技术创新的角度来看，CoT 提示的方法能够帮助我们解释数百个分子之间上万种的关联。在我们的研究中，它的准确率能达到 70% 以上。”

与传统手段相比，通过大模型可以更有效地预测基因机制，然后进行验证，并得到一些新的发现。

（来源：Nature Communications）

该研究的应用范围不局限于睡眠研究，对于其他涉及到基因调控网络的生物学问题也具有普适性。

张珞颖表示：“它可以作为研究生物学机制的工具，帮助预测那些之前在生物学中找不到的信息或线索，研究人员再根据相关信息进行验证。”

这套新的行为学监测的范式既可用于睡眠的研究，也可用于群体条件下的其他相关行为学监测。在应用范围上，除了果蝇，该研究还展示了斑马鱼、蚂蚁等其他动物模型。

该研究所实现的效果基于 CoT 的使用，在未来的研究中，该课题组还将尝试思维树等其他提示词工程，以探索更多的可能性。

下一步，研究人员将通过提高帧率，实现更精准的观测表现。

基于该装置，研究人员发现了一些在群体条件下、有社交信号时调控睡眠的相关基因，但目前只是初步的机制预测和验证，更深入和具体的调控过程还需要进一步研究。

图丨课题组成员在实验室（来源：薛宇）

此前，已有社交信号会影响个体健康的相关报道，包括精神状态、情绪等。“我们推测这些基因是既调控社交活动，又调控睡眠，很可能也会参与影响情绪、精神状态等。”张珞颖表示。

基于此，他们计划继续探索社交信号对睡眠和其他行为的影响，以及这些影响背后的分子机制。

据悉，目前研究人员正在构建小鼠模型，希望能够更深入地理解社交环境对情绪（例如抑郁、焦虑等）和精神状态的影响，这对于理解抑郁症等精神疾病的发病机制具有重要意义。

该研究展示了大模型在科学研究中的潜力，尤其是在处理复杂数据和预测生物学机制方面。随着技术的进一步发展和完善，其有望成为解决更多科学问题的强大工具。

“相信我们的装置未来会为非线性关联的分子机制提供更多的可能性，例如追逐、觅食、饮食与睡眠等。”薛宇表示。

参考资料：

1.Peng, D., Zheng, L., Liu, D. et al. Large-language models facilitate discovery of the molecular signatures regulating sleep and activity.Nature Communications15, 3685 (2024). https://doi.org/10.1038/s41467-024-48005-w

运营/排版：何晨龙

(责任编辑：知识)