科技日報北京10月23日電 （記者張佳星）23日，華大生命科學研究院與之江實驗室聯(lián)合發(fā)布全球首個百億參數(shù)可部署的基因組通用基礎模型Genos。該模型支持多達百萬堿基對的超長上下文分析，并實現(xiàn)單堿基分辨率的精準識別。

人類基因組由30億對堿基組成。“人類基因組計劃”破譯了序列，但序列上堿基的具體功能仍需要精準識別和解析。

現(xiàn)有模型大多基于1—2個參考基因組開展訓練，難以體現(xiàn)人類遺傳資源的多樣性。而Genos整合了人類泛基因組參考聯(lián)盟（HPRC）、人類基因組結構變異圖譜計劃（HGSVC）等多個權威公開資源，首次將全球范圍內(nèi)636個“端粒到端?！奔墑e的高質(zhì)量人類基因組作為訓練數(shù)據(jù)。這些數(shù)據(jù)覆蓋了全球不同人群，有助更全面理解人類遺傳多樣性。

算法架構方面，Genos通過“混合專家”架構，精準調(diào)度強相關“專家”算法協(xié)同處理，在匯總百億級龐大參數(shù)時成功降低推理成本和資源消耗，讓模型既強大、又好用。

測試結果顯示，Genos在直接面向臨床應用的致病性突變解讀任務中，準確率達92%；結合科學基礎模型后，準確率高達98.3%。多項綜合評測結果也顯示，Genos超越現(xiàn)有最佳水平模型。

華大生命科學研究院相關負責人說，Genos模型已在HuggingFace（抱抱臉）、魔搭等平臺全面開源開放，提供12億和100億參數(shù)兩個版本，滿足不同需求。