近日，中国农业大学玉米生物育种全国重点实验室教授赖锦盛课题组联合百图生科、浦江国家实验室、崖州湾国家实验室等单位，开发了基因组基座大模型DeepD。通过高效的模型架构、覆盖基因与基因间区的全基因组预训练，以及可控长序列生成策略，DeepD能够预测遗传变异的功能影响、识别非基因区的复杂特征，并生成酵母整条染色体和百万碱基长度的拟南芥基因组片段。通过与当前国际同类大模型，如AlphaGenome (美国Google DeepMind) 和Evo 系列(美国英伟达公司和Arc Institute)的比较，DeepD模型的综合表现达到了领先水平。

基因组由漫长的DNA序列构成，既要逐个碱基分析，又要理解相距很远的片段之间的联系，利用传统架构建模对计算能力提出了很高要求。DeepD采用与DeepSeek同类的稀疏混合专家架构（MoE），让不同计算模块分工协作，根据输入按需调用部分“专家”。其大版本拥有约630亿参数，处理每个碱基时只激活十亿量级参数，让模型扩大容量的同时，显著降低活跃计算量。

DeepD在单碱基分辨率下支持百万碱基上下文，相当于能同时参考一段长达百万“字母”的DNA。模型完成了5.69T碱基的预训练，数据覆盖真核生物、细菌、古菌及病毒，并将物种和系统发育信息纳入建模。动物、植物、真菌与微生物的序列规律，由此进入同一个模型的预训练范围。

基因间区的DNA序列并非没有意义的“垃圾序列。”这些区域容纳着调控基因表达的元件、大量转座子及尚未充分注释的序列，尤其在植物复杂基因组中占据重要位置。DeepD以全基因组序列进行预训练，将基因、基因间调控区和重复序列放在原有的上下文中共同学习，而不是定向筛选基因以及基因附近区域。

这一无偏好的训练思路使DeepD在非编码和调控任务中表现突出。在无需任务专门训练的零样本评估中，DeepD也展现出有竞争力的变异效应预测能力，为功能数据较少的物种提供了可迁移的分析工具。

让AI生成长DNA，难点不只是长度，还在于保持基因结构和排列关系。研发团队开发了Context–Anchor–Body（CAB）策略，以参考序列为框架，利用待生成片段两侧的背景与锚定信息约束生成，再逐段迭代延伸，使长序列设计可以持续受到控制。

在真核生物基因组生成中，DeepD生成了29条约31万碱基长的酵母第三号染色体序列，且能够“融入”自然群体。在更加复杂的拟南芥基因组序列生成任务中，DeepD将生成规模拓展到百万碱基，生成序列呈现出与自然群体相似的变异分布规律。

目前，DeepD已提供API访问，支持序列生成与模型推理，方便研究人员将其接入变异分析、调控元件设计和基因组研究流程。团队将进一步推动模型与实验验证结合，探索其在作物功能变异挖掘、分子设计与生物育种中的应用。

中国农业大学农学院副教授辛蓓蓓、博士后王子健、研究生郁岸、陈子扬，以及百图生科郭玉成博士为该研究的共同第一作者；中国农业大学农学院教授赖锦盛、研究员赵海楠为共同通讯作者。

相关资源

DeepD官方介绍网页：https://biomap-research.github.io/DeepD-website/

bioRxiv链接：https://doi.org/10.64898/2026.10.13.758170