2026年10月22日，开源AI社区Hugging Face发布了一款新的人工智能模型——它“会说DNA的语言”。据WIRED报道，这一开源模型可以帮助研究人员理解基因序列中任何一处改动，会如何影响基因活性与人类健康。换句话说，生物学家或许可以像与聊天机器人对话那样向它提问：“如果我在这个位置改一个碱基，会发生什么？”
这听起来像是科幻设定，但它指向的是一个正在快速成形的现实：人工智能正在从“读文字”走向“读生命”。
让机器读懂“生命的语言”
DNA由A、T、C、G四种碱基组成，其排列方式承载着蛋白质如何制造、基因何时开启或关闭的全部指令。对人类而言，一段长达数十亿碱基的基因组像一本没有标点的天书；对语言模型而言，它却是一个天然的序列预测问题——每一个碱基都是一个“词”，每一段调控区域都是一个“句子”。
Hugging Face此次发布的模型正是沿这条思路构建的。根据官方与WIRED披露的信息，该模型以基因组序列为输入，学习碱基排列与基因活性之间的统计规律，进而对“改动某处序列后会发生什么”给出预测。这类能力在研究中极具价值：过去，验证一个基因变异的真实影响，往往需要在实验室里培养细胞、做转录组测序，耗时数周甚至数月；如今，研究人员可以先在模型中进行一轮“虚拟实验”，筛掉明显无效的假设，再把有限的时间和经费投入到最有希望的候选者身上。
从蛋白质到基因组：Hugging Face的生物学版图
Hugging Face最初以 transformers 库和模型托管平台闻名，是开源AI社区的基础设施提供者。近年来，它持续向生命科学延伸：平台上已汇聚大量蛋白质结构预测、分子性质预测与基因组序列建模的开源模型，形成了事实上的“生物模型集市”。此次推出DNA语言模型，是这一布局的自然延伸，也顺应了基因组基础模型（genomic foundation model）近两年的爆发趋势。
与之呼应的是学界与产业界的密集动作：Arc Institute的Evo系列模型尝试在跨物种尺度上统一建模DNA、RNA与蛋白质；Nucleotide Transformer等项目则把自然语言处理的架构迁移到基因组序列上；Enformer一类模型专注于从序列预测基因表达。它们共同的目标，是把基因组学从“描述性科学”推向“可预测科学”。Hugging Face的加入，意义不只在模型本身，更在于它把这类能力放进了数以百万计开发者触手可及的模型仓库中。
“这个新的开源模型会说DNA的语言，可以帮助研究人员理解任何改动对基因活性和健康的影响。”——WIRED原文摘要
开源路线：加速器还是风险源？
选择开源，是这款模型最值得玩味的地方。开源意味着全球任何一个实验室——哪怕资源有限的发展中国家研究团队——都可以下载权重、微调模型、复现结果。这与基因组学长期存在的“数据与工具壁垒”形成对照，有助于加快罕见病变异解读、作物改良、合成生物学元件设计等方向的进展。
但风险同样真实。能够预测基因活性的模型，理论上也能被用于设计具有潜在危害的序列；模型若在训练数据中吸收了人群偏差，对某些族裔的变异预测可能失准，而这类偏差在临床场景中代价高昂。此外，预测并不等于因果：模型给出的是统计相关性，真正的生物学机制仍需湿实验验证。开源社区需要在开放与审慎之间找到平衡，例如通过可接受使用政策、分阶段发布或配套的监管讨论。
编者按：从“会聊天”到“会提问”
过去三年，大模型的关键词是“生成”；而在生命科学领域，真正的关键词是“预测”。一款DNA模型的价值，不在于它能写出多漂亮的句子，而在于它能否把海量实验数据压缩成可靠的科学直觉，帮研究者提出更好的问题。Hugging Face此举的象征意义或许大于技术突破：它宣告基因组基础模型正从少数顶尖实验室的专属工具，变成公共科研基础设施的一部分。接下来值得关注的，是这类模型在真实研究流程中的采纳率——再聪明的模型，也只有进入实验闭环，才算真正“读懂了DNA”。
本文编译自WIRED
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接