6月19日消息，國際頂級期刊《Nature Machine Intelligence》發(fā)表了阿里云AI for Science的研究成果LucaOne。這是業(yè)界首個聯(lián)合DNA、RNA、蛋白質(zhì)的生物大模型。該大模型學(xué)習(xí)了超16萬個物種的12億條核酸序列及6億條蛋白序列數(shù)據(jù)，不僅可以挖掘核酸、蛋白質(zhì)的內(nèi)部特征，還可識別核酸與蛋白質(zhì)之間的聯(lián)系，幫助研究人員探索更多生物系統(tǒng)的內(nèi)在邏輯與規(guī)則。

Nature Machine Intelligence（以下簡稱NMI）是Nature于2019年創(chuàng)立的期刊，收錄方向覆蓋計(jì)算生物學(xué)、模式識別和計(jì)算機(jī)視覺等多個領(lǐng)域，期刊影響因子一直位居行業(yè)前列，是業(yè)界公認(rèn)的人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的國際頂級期刊。

據(jù)介紹，阿里云研究團(tuán)隊(duì)首次基于DNA、RNA和蛋白質(zhì)等生命科學(xué)領(lǐng)域最主要的數(shù)據(jù)進(jìn)行混合訓(xùn)練，涵蓋12億條核酸序列和6億條蛋白序列，同時引入生物領(lǐng)域內(nèi)基礎(chǔ)的標(biāo)簽信息，讓模型學(xué)習(xí)到豐富的生物信息。在模型結(jié)構(gòu)上，研究團(tuán)隊(duì)采用Transformer-Encoder架構(gòu)，在自監(jiān)督學(xué)習(xí)的基礎(chǔ)上，設(shè)計(jì)了8個不同級別的半監(jiān)督學(xué)習(xí)任務(wù)，有效增強(qiáng)模型的學(xué)習(xí)能力。

LucaOne技術(shù)框架

實(shí)驗(yàn)結(jié)果顯示，在中心法則驗(yàn)證(CentralDogma)、物種Genus分類(GenusTax)、蛋白質(zhì)位置(ProtLoc)、蛋白質(zhì)穩(wěn)定性(ProtStab)、非編碼RNA的類型(ncRNAFam)、流感病毒預(yù)測(InfA)等8個下游任務(wù)驗(yàn)證中，LucaOne的表現(xiàn)均領(lǐng)先于現(xiàn)有的生物大模型。

NMI表示：該研究展示了對分子生物學(xué)中心法則的全新理解，極大地增強(qiáng)了研究人員對生物信息學(xué)分析的能力，可以幫助人類探索分子生物學(xué)的未知領(lǐng)域。

據(jù)介紹，LucaOne的模型代碼、訓(xùn)練代碼、推理代碼等已全面開源，科研人員可基于該模型進(jìn)行二次訓(xùn)練、垂直領(lǐng)域生物模型構(gòu)建、Embedding推理、Embedding-based分析、Embedding-based下游模型構(gòu)建等。目前全球已有10多家公司和團(tuán)隊(duì)使用該模型。

過去幾年，阿里云積極與國內(nèi)高校和研究機(jī)構(gòu)展開合作，在生命科學(xué)領(lǐng)域已發(fā)表核酸和蛋白質(zhì)統(tǒng)一基礎(chǔ)模型-LucaOne（NMI 2025）、RNA病毒發(fā)現(xiàn)-LucaProt（Cell 2024）、磷循環(huán)蛋白家族識別-LucaPCycle（NC 2025）等研究成果。

（注：此文屬于央廣網(wǎng)登載的第三方信息，文章內(nèi)容不代表本網(wǎng)觀點(diǎn)，僅供參考。）