生信碱移

HKLLM-RG肿瘤基因

HKLLM-RG：大语言模型直接筛选肿瘤相关基因？

疾病相关基因挖掘其实就是大部分研究者的一手工作，接着后面个性发挥的表型、机制实验。传统方法基本上就是文献阅读、高通量测序、生信分析，可以说具有一定门槛，或者费时费力。

最近看到一篇华西医院发表的 Molecular Therapy [IF 12.0]，作者做的就是直接用大语言模型（LLM）来筛选出肿瘤相关基因。标题当然也是围绕主线，突出一个大语言模型赋能：”An LLM-powered discovery in prostate cancer“。

DOI: 10.1016/j.ymthe.2026.02.003

作者主要做的就是 LLM + 外部专家知识来进行核心基因筛选，虽然并不涉及方法开发，但好歹是个新鲜的流程，正文中称为分层知识引导的风险基因识别 LLM 方法（HKLLM-RG）。

顾名思义，这个方法的输入，不是原始测序矩阵，而是两大类“知识型输入”。首先是 LLM 自带的内部知识，也就是模型预训练时学到的生物医学和癌症相关知识。作者明确写了，方法会利用 LLM 的 internal, pretrained biomedical knowledge。

然后则是外部专家知识（external expert knowledge），也算是文章的创新点，可以分成两层：

• • 通用癌症知识层：来自 5 篇高质量癌症综述，覆盖基因组学、转录组学、蛋白组学、表观组学、代谢组学；

• • 前列腺癌专门知识层，来自前列腺癌研究，覆盖流行病学、发病机制、诊断、治疗、预防。

整体流程：基于两大类知识输入的 LLM 用于鉴定前列腺癌核心基因。

除了上面的内容以外，与大语言模型对话的提示词（Prompt）以及具体的分析也是有设计的好吧。小编主要讲比较关键的两个点，具体大家可以阅读原文:

• • 数量上，提示词明确 LLM 要输出前 50 个与前列腺癌风险最相关的人类基因。

• • 可重复性方面，要求 LLM 重复运行 30 次，统计高频出现的基因，减少随机性。

在此基础上，作者还进行了性能评估，比较了几个知名的 LLM，证明 HKLLM-RG 的设计确实可以增强核心基因的挖掘能力：

性能评估：计算了 HKLLM-RG 与 Chatgpt, DeepSeek 等模型的多性能指标。

作者把 30 次分析得到的 top 50 列表做整合，其中 ALKBH5 因为兼具 m6A 调控重要性并且在前列腺癌中研究不足，被选中做深入研究。之后就进入实验部分了：

• • 看 ALKBH5 在临床样本和数据库里是不是异常

• • 看它对细胞增殖/迁移/成瘤有没有影响

• • 看它是不是通过 ferroptosis 起作用

• • 找它的下游分子 CHRM3

• • 证明 ALKBH5 对 CHRM3 的调控是 m6A 依赖的

• • 再往下追到 ZNF281、GPX4、SLC3A2、AKT

• • 最后验证联合治疗

图：ALKBH5 的表达异常。其余实验结果小编不做展示，可以自行阅读学习。

换个癌种又是一篇

真是从算法工程师到提示词工程师了

不过还是有一些基础生信分析的

收藏学习了