百亿参数可部署基因组基础AI模型诞生

据科技日报报道，23日，华大生命科学研究院与之江实验室联合发布全球首个百亿参数可部署的基因组通用基础模型Genos。该模型支持多达百万碱基对的超长上下文分析，并实现单碱基分辨率的精准识别。

人类基因组由30亿对碱基组成。“人类基因组计划”破译了序列，但序列上碱基的具体功能仍需要精准识别和解析。

现有模型大多基于1—2个参考基因组开展训练，难以体现人类遗传资源的多样性。而Genos整合了人类泛基因组参考联盟、人类基因组结构变异图谱计划(HGSVC)等多个权威公开资源，首次将全球范围内636个“端粒到端粒”级别的高质量人类基因组作为训练数据。这些数据覆盖了全球不同人群，有助更全面理解人类遗传多样性。

据悉，Genos模型已在HuggingFace、魔搭等平台全面开源开放，提供12亿和100亿参数两个版本，满足不同需求。