一，研究概述与作者介绍

2025年1月 25 日，Wang Jianxin 团队在《 National Science Review 》期刊上发表了一篇题为“Foundation models for bioinformatics”的综述，总结了基础模型有哪些类别，下游任务和最新进展。特别的，作者展望了生物信息学基础模型未来的发展方向以及所面临的挑战。

类别	作者	单位
第一作者	Guo Fei	中南大学计算机科学与工程学院
通讯作者	Wang Jianxin	中南大学计算机科学与工程学院，香江实验室

二，精华总结

这里将大模型的任务，名称，分类都汇总到了一起，方便大家尽快掌握信息

这篇综述将生物信息学中的大模型分成四类

• Language FMs：大语言模型
• Vision FMs：视觉模型
• Graph FMs：图像模型
• Multimodal FMs ：多模态模型

根据训练数据和目的不同，这些模型也可以被分为

• 基因组学的基础模型
• 转录组学的基础模型
• 蛋白质组学的基础模型
• 药物发现中的基础模型
• 单细胞分析中的基础模型（虚拟细胞）

基础模型为Foundation Model（FM），后面使用缩写表示

为了方便直观的理解和查看，我总结了一个表格，直观的展示基础模型的细分方向和领域，只包含了部分模型

基础模型类别	任务细分	模型
基因组学FM	全基因组变异效应预测	HyenaDNA，Evo，VQDNA，DNABERT-2，GPN，DeepSEED，Nucleotide-Transformer，Enformer，iDNA-ABT
	DNA 顺式调控区预测
	DNA 甲基化鉴定
转录组学FM	RNA 二级结构预测	RNA-FM，RNABERT，SpliceBERT，Bert2Ome，GenerRNA，RNA-MSM，RfamGen
	RNA 剪接位点预测
	RNA 修饰检测
蛋白质组学FM	蛋白质结构预测	uniRep，MSA-Transformer，ProtTrans，ProteinBERT，ProtGPT2，OntoProtein，ESM2，ProGen，AlphaFold3
	蛋白质序列生成
	蛋白质进化和突变检测
药物发现中的FM	类药分子性质预测	SMILES-BERT，ChemBERTa，MolGPT，X-MOL，K-BERT，Mole-BERT，Pocket2Mol，KPGT，MoleculesSTM，DrugBAN，POLYGON，PMDM，EIHGN
	药物分子生成
	药物-靶点相互作用鉴定
单细胞中的FM	细胞聚类	GLUE，scMVP，scBERT，SiGra，Geneformer，tGPT，DeepMAPS，TOSICA，scTranslator，MarsGT，scPROTEIN，MIDAS，scButterfly，scGPT，scFoundation，GeneCompass，CellPLM
	细胞类型注释
	多组学整合

三，主要观点

接下来我们总结一下这篇文章的主要观点

*1. 基因组学（Genomics）*

• 核心任务：

• • 基因组变异效应预测：GPN模型优于传统GWAS方法，尤其擅长罕见变异分析。
  • 顺式调控区域识别：Enformer通过大感受野预测增强子-启动子互作；iEnhancer-BERT整合CNN提升预测精度。
  • DNA甲基化检测：iDNA-ABT/ABF模型识别6mA、5hmC等表观标记。

• 代表性模型：

• • DNABERT系列：基于Transformer，用于启动子/转录因子结合位点预测。
  • HyenaDNA：支持长上下文序列分析（如全长基因）。
  • Caduceus：首个双向长程DNA模型，提升远程互作建模能力。

*2. 转录组学（Transcriptomics）*

• 核心任务：

• • RNA二级结构预测：RNA-FM通过自监督学习捕获结构特征。
  • 剪接位点预测：SpliceBERT识别剪接异常变异。
  • RNA修饰检测：BERT-m7G精确定位m7G修饰位点。

• 代表性模型：

• • GenerRNA：生成式模型设计功能性RNA序列。
  • SpliceBERT：优化跨物种剪接位点预测。

*3. 蛋白质组学（Proteomics）*

• 核心进展：

• • ProtGPT2：生成符合自然规律的蛋白质序列。
  • ProGen：整合UniprotKB关键词生成特定功能蛋白。
• • AlphaFold系列迭代：AlphaFold1（残基距离预测）→ AlphaFold2（直接3D坐标推断）→ AlphaFold3（扩散模型处理复合物结构）。
  • ESM2：150亿参数模型，推理速度接近基于MSA的方法。
• • 蛋白质结构预测：
  • 蛋白质生成与设计：
  • 进化与突变分析：DeepSequence预测突变效应，UniRep检测远程同源性。

• 代表性模型：ProteinBERT（预测翻译后修饰）、OntoProtein（融合知识图谱）。

*4. 药物发现（Drug Discovery）*

• 核心方向：

• • Pocket2Mol：基于3D蛋白口袋生成高亲和力分子。
  • POLYGON：设计多靶点化合物。
• • 分子性质预测：SMILES-BERT、K-BERT利用分子SMILES序列优化ADMET属性预测。
  • 分子生成：
  • 药物-靶点互作：DrugBAN挖掘药物/靶点子结构，EIHGN建模非共价相互作用力。

• 评估工具：ADMETlab 2.0平台支持药物性质系统性评估。

*5. 单细胞分析（Single-cell Analysis）*

• 核心任务：

• • 细胞聚类：scFoundation、MarsGT整合多组学识别稀有细胞群。
  • 细胞类型注释：scBERT消除批次效应，TOSICA提供可解释注释。
  • 多组学整合：scGPT通过模态令牌融合转录组/表观组；GLUE推断跨组学调控网络。

• 代表性模型：scButterfly（跨模态转换）、MIDAS（模块化编码多模态数据）

四*、挑战与未来方向*

预训练范式创新：提示学习（PromptProtein）、对比学习（KANO）提升小样本任务性能。

模型评估标准化：需开发轻量级评估框架（如UltraEval），解决任务异质性和数据偏差问题。

模型的可解释性与可靠性：结合知识图谱和因果推理减少"幻觉"。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】