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

【环球网科技综合报道】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。

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。（勃潺）