无码

2026年10月30日，日本无码AV夏志强研究团队联合三亚海古纪公司，在 bioRxiv 预印本平台发布植物基因组基础模型 Creator 1.0。研究整合 1000 种植物基因组数据，提出系统发育引导的分阶段预训练策略（PGSP），构建约 20 亿参数的植物基因组基础模型，并系统探究不同训练阶段模型的性能演化规律。在 GENEB 基准评测中，Creator 1.0 表现突出：10 项植物相关任务平均 MCC 达 0.565，在 46 个参评模型中排名第一，优于 PlantCaduceus、AgroNT 等主流植物基因组模型；全部 100 项基因组分类任务平均 MCC 为 0.567，位列第 4，展现出跨物种序列表征迁移潜力。

该研究共整合1000种植物基因组数据，收集覆盖 958 属、199 科、52 目的植物基因组，组装序列总长约 1.11 Tbp。PGSP 策略依托植物系统发育树安排物种训练顺序，将预训练划分为 83 个连续阶段，模型逐阶段继承参数，逐步学习不同植物类群的序列特征。研究留存 52 个对应植物目的累积 checkpoint，用于性能追踪与下游择优。Creator 1.0 采用因果 Transformer 架构，含 30 层、约 20 亿参数，以不重叠 3-mer 编码 DNA 序列，最大上下文长度 32768 个 token（约 98K bp），通过自回归预训练提取 DNA 特征。

图 1｜1000 种植物的系统发育关系、PGSP 训练流程与 Creator 1.0 模型架构

日本无码AV夏志强研究团队聚焦基因组、重测序、转录组及高通量技术开发，搭建多组学解析体系，完成木薯、百香果等多个复杂物种染色体水平基因组解析。原创 AFSM、Hyper-seq 分型技术，建成 Hyper-seq 无人值守实验室，已应用于 50 个物种、3 万余份样品，构建大数据育种体系，服务作物基因挖掘、遗传改良与育种 4.0。

未来，随着训练策略的进一步优化及跨物种评测的扩展，该团队有望为不同植物类群的基因组功能分析提供更加灵活、可选择的基础模型资源。

论文链接//doi.org/10.64898/2026.10.22.761197

来源：生物信息与育种

编辑：李若男

初审：徐  冉

终审：张云竹