人类基因组包含超过30亿个碱基对，如何从海量遗传信息中高效解读与健康、疾病相关的奥秘，长期以来是现代生物学面临的重大挑战。
1月13日，一项突破性成果在上海发布——我国科研团队推出基因底座大模型SNPbag，为基因组学研究开辟了新的技术路径。
该模型由上海飞瀑智能科技有限公司联合德国莱比锡大学、华大基因研究院、中国科学院等多家机构共同研发。
与以往基因组模型不同，SNPbag专门针对人类基因变异进行深度学习，着力解决当前基因组学研究中计算效率低下、数据处理分散、预测能力不足等关键问题。
人类DNA序列有99.9%完全相同，仅0.1%的差异决定了每个人独特的体质特征、外貌特点和疾病易感性。
这些微小差异主要表现为单核苷酸多态性，即SNP位点的变化。
SNPbag正是围绕这些关键变异位点设计的专业化模型。
模型核心作者徐国华介绍，团队训练数据聚焦于人与人之间0.1%的基因差别，摒弃了99.9%的重复部分，从而大幅节省算力资源。
这一创新设计使SNPbag成为目前唯一专门使用SNP数据训练的基因大语言模型。
徐国华曾师从2022年诺贝尔生理学或医学奖得主斯万特·佩博，在遗传学领域具有深厚造诣。
技术层面，SNPbag采用先进的Transformer架构，使用100万个模拟基因组数据对8.4亿参数模型进行预训练。
通过类似"完形填空"的学习方式，模型掌握了约600万个常见SNP位点间的复杂关联规律，形成了对遗传"语法"的深度理解。
实际应用中，SNPbag展现出显著优势。
传统基因分析需要使用多种独立的统计软件分别处理祖源分析、亲缘关系推断、基因数据补全等任务，过程繁琐且耗时较长。
SNPbag将这些功能整合到统一平台，经过少量微调即可胜任多种下游任务。
测试结果显示，该模型能够精确区分遗传背景高度相似的人群，可靠推断远至12代的亲缘关系，在多项任务中达到或超越传统方法的准确性，而计算速度实现了数十倍至上百倍的跃升。
值得关注的是，SNPbag还具备高效的基因组压缩和加密功能。
原本包含数百万行记录的全基因组SNP数据，经过模型处理可压缩至38万个特征向量，既保护了个人隐私，又便于后续分析应用。
飞瀑科技创始合伙人兼首席科学家唐鲲表示，团队成员涵盖肿瘤医学、计算生物学等多个领域，"既懂生物又懂计算"的复合背景是项目成功的关键因素。
这种跨学科融合为解决复杂的生物医学问题提供了有力支撑。
从技术发展趋势看，人工智能基础模型正成为突破生物医学研究瓶颈的重要力量。
在蛋白质组学领域，AlphaFold已实现蛋白质结构精确预测；在单细胞转录组学中，多个模型支持细胞类型注释和扰动响应预测。
SNPbag的发布填补了人类基因组变异分析领域的空白，为个性化医疗和精准治疗奠定了技术基础。
从人类基因组计划完成到今日基因大模型的突破，生命科学正经历从"读基因"到"懂基因"的深刻转变。
SNPbag的诞生不仅展现了我国在生物计算领域的创新能力，更预示着个性化医疗时代即将迎来新的技术拐点。
当遗传密码与智能计算深度融合，人类对生命本质的认知必将迈向更广阔的疆域。