本報(bào)電（華軒）近日，在第二十屆國(guó)際基因組學(xué)大會(huì)上，華大生命科學(xué)研究院與之江實(shí)驗(yàn)室聯(lián)合發(fā)布了百億參數(shù)人類基因組通用基礎(chǔ)模型——Genos。這一針對(duì)人類基因組深度優(yōu)化的基因組基礎(chǔ)模型，可支持高達(dá)百萬(wàn)堿基對(duì)的超長(zhǎng)上下文分析，并實(shí)現(xiàn)單堿基分辨率的精準(zhǔn)識(shí)別。

　　Genos的推出標(biāo)志著基因組研究從“讀出”堿基序列邁向“讀懂”生命底層邏輯，有望促進(jìn)臨床疾病診斷、個(gè)人基因組解讀及前沿科學(xué)研究。

　　要讀懂“生命之書(shū)”，首先需要一本完整的“字典”

　　基因組學(xué)領(lǐng)域內(nèi)的現(xiàn)有模型大多基于一到兩個(gè)參考基因組進(jìn)行訓(xùn)練，難以捕捉人類豐富的遺傳多樣性。而Genos則系統(tǒng)整合了人類泛基因組參考聯(lián)盟、人類基因組結(jié)構(gòu)變異圖譜計(jì)劃等多個(gè)公開(kāi)資源，匯聚了全球范圍內(nèi)636個(gè)“端粒到端?！奔?jí)別的高質(zhì)量人類基因組作為訓(xùn)練數(shù)據(jù)。這些數(shù)據(jù)覆蓋了全球不同人群，旨在從源頭減少數(shù)據(jù)偏見(jiàn)，更全面地代表人類遺傳多樣性。

　　基因組的語(yǔ)言極其復(fù)雜，一個(gè)微小的單堿基突變，其影響可能由百萬(wàn)堿基之外的“遙遠(yuǎn)”調(diào)控元件決定。這要求模型既要有“顯微鏡”般的單堿基精度，又要有“廣角鏡”般的百萬(wàn)級(jí)超長(zhǎng)上下文理解能力。

　　如同閱讀一部鴻篇巨著，既能一字不差地記住細(xì)節(jié)，又能洞悉全局的宏大敘事。Genos通過(guò)混合專家（MoE）架構(gòu)，助力解決這一難題。MoE架構(gòu)如同一個(gè)擁有眾多頂尖專家的智慧團(tuán)隊(duì)，面對(duì)任務(wù)時(shí)，總能精準(zhǔn)調(diào)度最相關(guān)的幾位專家協(xié)同處理，而不是調(diào)動(dòng)所有人全部待命。這一“按需激活”的機(jī)制，讓Genos在擁有百億級(jí)參數(shù)的龐大知識(shí)總量的同時(shí)，推理成本和資源消耗卻遠(yuǎn)低于同等規(guī)模的模型，真正實(shí)現(xiàn)了“既強(qiáng)大，又好用”。

　　為了全面驗(yàn)證模型的性能，研發(fā)團(tuán)隊(duì)進(jìn)行了一系列測(cè)試。在基因組元件識(shí)別、遠(yuǎn)程調(diào)控預(yù)測(cè)、突變致病性預(yù)測(cè)等經(jīng)典評(píng)測(cè)任務(wù)里，Genos在超過(guò)一半的任務(wù)里比所有現(xiàn)有模型都表現(xiàn)更好，而且長(zhǎng)序列評(píng)測(cè)任務(wù)里，如突變熱點(diǎn)識(shí)別和族群分類上，Genos的表現(xiàn)遠(yuǎn)超同類模型，展現(xiàn)了其強(qiáng)大的上下文分析能力，有效破譯基因組中的“暗物質(zhì)”。

　　Genos在直接面向臨床應(yīng)用的致病性突變解讀任務(wù)中，實(shí)現(xiàn)了較高的準(zhǔn)確性，當(dāng)結(jié)合021科學(xué)基礎(chǔ)模型后，準(zhǔn)確率更高，為臨床診斷提供了全新的高效工具。綜合多項(xiàng)評(píng)測(cè)結(jié)果，Genos在各項(xiàng)核心任務(wù)中的表現(xiàn)優(yōu)越，證明了其全面的能力。

　　“共有、共為、共享”，讓前沿科技觸手可及

　　一個(gè)模型無(wú)論多么強(qiáng)大，如果不能被方便地部署和使用，其價(jià)值便大打折扣。Genos是一個(gè)可以走向臨床、走向個(gè)人、走向每一個(gè)實(shí)驗(yàn)室的“實(shí)踐先鋒”，為下游應(yīng)用創(chuàng)新提供了堅(jiān)實(shí)的地基。

　　今年是人類基因組草圖繪制完成25周年。“共有、共為、共享”，既是人類基因組計(jì)劃的精神傳承，也是Genos的核心理念。

　　發(fā)布會(huì)上，華大生命科學(xué)研究院宣布，Genos模型將全面開(kāi)源開(kāi)放，且同時(shí)提供12億和100億參數(shù)兩個(gè)版本，滿足不同應(yīng)用場(chǎng)景的需求。目前，兩個(gè)版本的模型權(quán)重、架構(gòu)細(xì)節(jié)與完整訓(xùn)練流程，均已在GitHub、Hugging Face、魔搭等平臺(tái)公開(kāi)發(fā)布，供全球開(kāi)發(fā)者和科研人員自由使用。同時(shí)，在之江實(shí)驗(yàn)室的開(kāi)放平臺(tái)Zero2X也已發(fā)布。

　　另外，考慮到并非所有使用者都擁有強(qiáng)大的算力資源，該模型已被深度整合進(jìn)DCS Cloud云平臺(tái)。用戶無(wú)需進(jìn)行復(fù)雜的安裝配置，即可一鍵調(diào)用Genos，平臺(tái)為每個(gè)賬戶提供了高達(dá)10萬(wàn)次的免費(fèi)推理服務(wù)，極大地降低了基因組智能分析的門(mén)檻。

　　目前，在科研領(lǐng)域，Genos模型通過(guò)與DCS cloud結(jié)合，能僅憑DNA序列“秒級(jí)”預(yù)測(cè)RNA表達(dá)譜，將過(guò)去數(shù)周甚至數(shù)月才能完成的生物信息分析流程極大提速。此外，Genos模型也已整合進(jìn)生命科學(xué)數(shù)據(jù)庫(kù)CNGBdb，可幫助用戶精準(zhǔn)預(yù)測(cè)細(xì)胞表達(dá)量，高效篩選和驗(yàn)證關(guān)鍵候選基因，大幅加速科研發(fā)現(xiàn)。