基因组语言模型 GPN-Star 登 Nature，变异效应预测达 SOTA
pastramimachine · x · 2026-09-10
Yun S. Song 团队的 GPN-Star（Genomic Pretrained Network with Species Tree and Alignment Representations）论文在 Nature 正式发表并开放获取。
- 核心问题：从 NLP 改造来的基因组语言模型通常需要大模型规模和大量算力，在预测任务上仍不及经典进化模型。
- 方法创新：GPN-Star 采用系统发育感知架构，显式利用全基因组比对和物种树建模进化关系，而非纯数据驱动。
- 训练规模：在跨越脊椎动物、哺乳动物和灵长类演化时间尺度的全基因组比对上训练。
- 结果：在编码区和非编码区的多种变异效应预测任务上取得 SOTA 表现，且模型更小、更省算力。
是 AI for Science 中「生物先验 + 语言模型」路线的代表作。
所属事件:基因组模型 GPN-Star 登 Nature，2 亿参数击败 400 亿 Evo 2(3 条相关)→
「研究」频道最新
- OpenAI 基金会资助 UNC 肿瘤抗原研究，招聘资深实验科学家 — iskander · 2026-10-27
- 研究者定向干预注意力头：向上提升诚实，向下压制道德虚无 — edelwax · 2026-10-27
- 研究表明神经元足以做电路分析，transcoder 增益有限 — burny_tech · 2026-10-27
- EMNLP 论文 GENIE:细粒度度量 LLM 故事的「新意」究竟在哪 — gregd_nlp · 2026-10-27
- hash n-gram 值嵌入助力 12×1024 GPT 刷新 30M 纪录至 3.2115 — RobertTLange · 2026-10-27
- MissionReport 基准:前沿模型写政府状态报告平均仅得约60分 — Exp_Mark · 2026-10-27