［本站讯］近日，软件学院余国先教授团队在生物信息学领域取得新进展，相关成果以“Epiformer: epistasis detection by genome language model and dual-channel network”为题发表于生物信息学领域权威期刊Genome Biology（中科院1区TOP，IF = 9.2）。该研究面向复杂性状/疾病遗传机制解析中的上位性效应识别难题，将基因组基础模型与深度神经网络相结合，提出上位性分析框架 Epiformer，实现了表型预测、加性与上位性遗传效应建模以及上位性互作位点挖掘的联合分析，为复杂性状遗传机制解析提供了人工智能创新方法。

图1 Epiformer 上位性检测与表型预测框架

复杂性状受加性遗传效应与上位性互作共同调控，上位性被认为是解释性状“遗传力缺失”的重要机制之一，对作物遗传改良和疾病遗传机制解析具有重要意义。传统统计与机器学习方法往往难以兼顾局部遗传模式和全基因组长距离依赖关系，在复杂遗传背景下的上位性效应识别仍面临挑战。针对上述问题，研究团队将基因组基础模型 Evo2与双通道网络相结合，构建 Epiformer框架。该框架融合基因型、基因组序列及功能注释等多源信息，利用 Evo2 提取基因组序列表征，通过多尺度卷积网络捕获局部遗传关联信号，并利用 Transformer 建模全基因组变异的长距离依赖关系，通过交叉门控机制动态融合局部与全局特征，实现表型预测与上位性检测的联合建模。研究团队以玉米百粒重等复杂农艺性状为例开展实例分析，结果表明，Epiformer能够有效识别复杂性状中的上位性互作位点，并发现一批与籽粒发育相关的候选遗传靶点，为进一步解析玉米复杂农艺性状的遗传调控机制以及分子育种提供了新的计算分析工具。

软件学院博士研究生张晓伟为论文第一作者，余国先教授为通讯作者。该研究工作得到了国家重点研发计划项目、国家自然科学基金重点项目、国家级青年人才计划和山东省杰出青年基金等项目的支持。

近年来，余国先教授团队长期围绕遗传变异互作及全基因组关联分析开展研究，持续探索复杂遗传效应计算识别方法，提出了集成多类型上位性检测方法ELSSI （Briefings in Bioinformatics, 2022），同时开发了大规模遗传数据的关联检测与功能解析工具GWASTool 。