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:伯克利基因组模型 GPN-Star 登 Nature，变异预测达 SOTA(2 条相关)→
「研究」频道最新
- UCLA发布VDiff-Bench：多模态模型细粒度图像差异识别集体翻车 — UCLA · 2026-09-10
- Quanquan Gu 创办 Geodesic:用 AGI 找药物发现的最短路径 — DeryaTR_ · 2026-09-10
- 盲测下人们反而更喜欢 AI 写作，一旦告知是 AI 立刻变心 — ipeirotis · 2026-09-10
- 投机解码深度博客预告:算术强度、 drafter 训练与 vLLM 部署 — auto_grad_ · 2026-09-10
- 新基准 VDiff-Bench:1756 题暴露前沿模型找不同能力短板 — yixin_wan_ · 2026-09-10
- Michael Levin 新论文:以结构化潜空间刻画新形态的生命与心智 — danfaggella · 2026-09-10