生命的语言：生物基础模型

专题介绍

如何让AI读懂蛋白质与基因组？三场报告分别介绍蛋白质多模态检索、AI辅助基因编辑工具开发和引入物种树的基因组语言模型，并讨论方法的应用与局限。

专题背景

AI 的浪潮正在推动生命科学从“观察与实验”迈向“数据与计算”的全新范式。如果说 DNA、RNA 和蛋白质是生命的源代码，那么迅速崛起的生物基础模型（Bio-Foundation Models）正成为解读这门古老语言的关键钥匙。借助深度学习，我们正在破译跨越亿万年的进化语法，在浩瀚的蛋白质空间中实现语义级导航，并通过算法设计出更高效、更精准的基因编辑工具。AI 正在重新定义我们对生命体系运作方式的理解。

在本期论坛中，我们荣幸邀请三位在生物计算领域深耕且走在前沿的青年学者。他们将分别从蛋白质多模态表征、基因编辑工具开发、以及基因组进化约束建模三个关键维度，分享最新研究成果，展示生命语言模型在不同尺度上的创新应用。

主持人

翟晶晶

美国康奈尔大学基因组多样性研究所 · 博士后研究员（或研究员）

人物介绍

（Jingjing Zhai）目前是美国康奈尔大学（Cornell University）基因组多样性研究所（Institute for Genomic Diversity）的博士后研究员（或研究员），主要与美国科学院院士 Edward S. Buckler 的团队合作。她的硕博士学位毕业于中国西北农林科技大学（NWAFU）。

Bilibili

本场回放 · 粟锦报告回放

在 Bilibili 打开回放 ↗

ProTrek：蛋白质多模态检索

粟锦

西湖大学 · 博士研究生

西湖大学四年级博士研究生（导师：原发杰教授）。他于2022年获得华中科技大学学士学位，在校期间师从魏巍教授，研究自然语言处理技术。目前，他的研究兴趣集中在蛋白质人工智能领域，主要研究方向为蛋白质表征学习、多模态学习和智能体。

ProTrek 通过对比学习，将蛋白质序列、结构和功能整合到统一的三模态蛋白质语言模型中，从而能够对任意两种模态（包括模态内部）进行全面搜索。在识别功能相关蛋白质方面，ProTrek 在速度和准确性方面均优于现有的比对工具（例如 Foldseek 和 MMseqs2）。计算和湿实验验证表明，存储了超过 50 亿蛋白质的ProTrek 服务器 (www.search-protrek.com) ，能够高效地处理和分析大规模蛋白质数据。