阿里云生物基础大模型登上Nature子刊，可挖掘核酸、蛋白质之间的内在联系

6月19日消息，国际顶级期刊《Nature Machine Intelligence》发表了阿里云AI for Science的研究成果LucaOne。这是业界首个联合DNA、RNA、蛋白质的生物大模型。该大模型学习了超16万个物种的12亿条核酸序列及6亿条蛋白序列数据，不仅可以挖掘核酸、蛋白质的内部特征，还可识别核酸与蛋白质之间的联系，帮助研究人员探索更多生物系统的内在逻辑与规则。

Nature Machine Intelligence（以下简称NMI）是Nature于2019年创立的期刊，收录方向覆盖计算生物学、模式识别和计算机视觉等多个领域，期刊影响因子一直位居行业前列，是业界公认的人工智能和机器学习领域的国际顶级期刊。

据介绍，阿里云研究团队首次基于DNA、RNA和蛋白质等生命科学领域最主要的数据进行混合训练，涵盖12亿条核酸序列和6亿条蛋白序列，同时引入生物领域内基础的标签信息，让模型学习到丰富的生物信息。在模型结构上，研究团队采用Transformer-Encoder架构，在自监督学习的基础上，设计了8个不同级别的半监督学习任务，有效增强模型的学习能力。

LucaOne技术框架

实验结果显示，在中心法则验证(CentralDogma)、物种Genus分类(GenusTax)、蛋白质位置(ProtLoc)、蛋白质稳定性(ProtStab)、非编码RNA的类型(ncRNAFam)、流感病毒预测(InfA)等8个下游任务验证中，LucaOne的表现均领先于现有的生物大模型。

NMI表示：该研究展示了对分子生物学中心法则的全新理解，极大地增强了研究人员对生物信息学分析的能力，可以帮助人类探索分子生物学的未知领域。

据介绍，LucaOne的模型代码、训练代码、推理代码等已全面开源，科研人员可基于该模型进行二次训练、垂直领域生物模型构建、Embedding推理、Embedding-based分析、Embedding-based下游模型构建等。目前全球已有10多家公司和团队使用该模型。

过去几年，阿里云积极与国内高校和研究机构展开合作，在生命科学领域已发表核酸和蛋白质统一基础模型-LucaOne（NMI 2025）、RNA病毒发现-LucaProt（Cell 2024）、磷循环蛋白家族识别-LucaPCycle（NC 2025）等研究成果。

论文地址：https://www.nature.com/articles/s42256-025-01044-4

开源地址：https://github.com/LucaOne/LucaOne

生成海报

（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）

本文来源于极客网，原文链接: https://www.fromgeek.com/ai/691348.html