国产基因组基座大模型DeepD发布

IT时代网10月21日消息，中国农业大学玉米生物育种全国重点实验室赖锦盛课题组联合百图生科、浦江国家实验室、崖州湾国家实验室等单位，开发了基因组基座大模型DeepD。通过高效的模型架构、覆盖基因与基因间区的全基因组预训练以及可控长序列生成策略，DeepD能够预测遗传变异的功能影响、识别非基因区的复杂特征，并生成酵母整条染色体和百万碱基长度的拟南芥基因组片段。

基因组既要逐个碱基分析，又要理解相距很远的片段之间的联系。DeepD采用与DeepSeek同类的稀疏混合专家架构，大版本拥有约630亿参数，处理每个碱基时只激活十亿量级参数，在单碱基分辨率下支持百万碱基上下文。模型完成了5.69T碱基的预训练，数据覆盖真核生物、细菌、古菌及病毒，并将物种和系统发育信息纳入建模。

研发团队开发了Context-Anchor-Body策略，以参考序列为框架约束长序列生成。在真核生物基因组生成任务中，DeepD生成了29条约31万碱基长的酵母第三号染色体序列，且能够融入自然群体；在拟南芥基因组序列生成任务中，生成规模拓展到百万碱基，生成序列呈现出与自然群体相似的变异分布规律。目前DeepD已提供API访问，团队将进一步探索其在作物功能变异挖掘、分子设计与生物育种中的应用。

注：本文配图由AI生成，文中包含AI辅助创作的内容。

编辑：林一舟