用於生命科學發現的生物分子基礎模型

蛋白質基礎模式對蛋白質的作用就像 GPT-4 對語言的作用，在單一且可重複使用的神經網路中學習折疊、功能和進化規則。

蛋白質基礎模型 (包括 AlphaFold 3、ESM-3、Proteína 和 Pallatom 等具有數十億參數的轉換模型) 將折疊預測、突變掃描、分子對接和從頭設計等原本獨立的流程，整合至一個可透過提示操作的統一引擎。這些技術結合了規模 (龐大的資料與參數)、多模態 (結合序列、結構及配體的嵌入表示)、及可控制性 (提示或快速微調)，有潛力將需數週的實驗室工作或程式碼開發，轉變為僅需幾分鐘的推論過程，進而將蛋白質研發重塑為軟體優先的工作流程。

新一代基礎模型 (AlphaFold 3、ESM-3、Proteína、Pallatom) 將折疊預測、變異評分、分子對接和按需蛋白質設計整合至單一 AI 流程。

這些模型將不再只是摺疊，而是導向全面製造，根據需要設計多鏈複合物、代謝途徑，甚至是自適應生物材料。預計三股潮流會推動未來發展：持續擴充至數兆個訓練集，可捕捉罕見曲折；實現更深層次的跨模態融合，將冷凍電子顯微圖、單細胞讀數與反應動力學資料整合在一起；並透過可插拔的變壓器 (行動層)，將模型產出的座標資訊直接轉化為 DNA 建構或無細胞表達的操作配方。實現此願景需要共享的高品質的結構和功能資料集、開放式基準測試套件，用於測試生成準確度和安全性，以及高效的運算方法，使實驗室和新創公司 (不僅限於超大規模企業) 也能以基礎模型的速度進行迭代。

Evo 2、Nucleotide Transformer、Enformer 和 Geneformer 等基因組基礎模型，正逐步從研究論文階段邁向早期產品化。

這些模型在變異效應預測和單細胞註解方面已經達到頂尖基準，但仍僅涵蓋基因體生物學的一小部分。他們迄今取得的進展很簡單但卻很強大：龐大的規模 (數十億 DNA 標記與 Transformer 模型參數)、自我監督學習傳輸 (先在 omics 資料進行預先訓練，再進行輕量微調)，以及部分模型具備的多模態能力 (將序列、染色質與單細胞讀取結果整合於同一模型中)。隨著開放式資料集的成長和 GPU 高效化訓練的改善，預計這些「基因組基礎模型」將成為每個生命科學技術堆疊的標準層。

基因組基礎模型 (Evo 2、Nucleotide Transformer、Enformer v2、scGPT) 將數十億個 DNA 標記轉化為即時變異效應預測、單細胞註解和 CRISPR 就緒設計，為基因組規模的 AI Co-Pilot 和新一代治療發現奠定基礎。

接下來是基因組規模的 AI Co-Pilot 時代：Geneformer 和 Evo 2 等研究顯示，Transformer 模型不僅可預測，還能完全在電腦晶片中設計實用的 CRISPR 編輯、新生啟動子和調控迴路。HyenaDNA、GenSLM 和 Longformer-DNA 等新興架構可以將上下文視窗延伸至 1 Mbp 以上，捕捉 3D 染色質環和長距離基因調控。最終，多組學資料可以將甲基化、ATAC-seq 和空間 RNA 整合至序列嵌入中，提供更豐富的生物學見解。這些進展將推動即時臨床變異分級處理、高輸送量增強子發現，以及一日內完成的新型療法設計 (如可程式化細胞治療)，並可由單一「基因組基礎模型」API 全面支援落地。要實現這個未來，需要開放且隱私安全的基因組資料集、標準化零樣本基準，以及新一代運算基礎架構和軟體，使超大規模實驗室以外的使用者也能負擔得起數兆 token 的預先訓練。

化學基礎模型已從研究示範轉向用於藥物發現的實際工具。

MoLFormer-XL、Uni-Mol 2、MolMIM 和 GenMol 等模型分析數以億計的小分子序列 (SMILES)、3D 結構和量子化學資料，提出新的候選藥物、在數秒內預測關鍵生化屬性，並規劃可能的合成路徑。三種力量推動這項進展：能理解分子形狀的 3D 感知轉換器和擴散模型；讓單一模型處理屬性預測、結合評分和合成規劃的多任務預先訓練；嵌入量子和分子動力學模擬之物理學的模擬增強學習。

MoLFormer-XL、Uni-Mol 2、MolMIM 和 GenMol 等小分子基礎模型使用 SMILES 字串、3D 結構和量子化學資料，生成候選藥物、預測吸收、分布、代謝、排泄和毒性 (ADMET) 特性，並透過 3D 感知、多任務、模擬增強的轉換器規劃合成路徑。

經過化學反應、分子模擬和 3D 結構訓練的大型圖形轉換器可以提出合成方案、標記毒性，並從單一共享嵌入中推薦環保催化劑。它們的進一步發展取決於三種力量：不斷成長的資料 / 參數規模、將光譜和晶體結構與反應條件融合的多模態預先訓練，以及能在數分鐘內將模型重新定向至特定結構骨架的外掛式變壓器。廣泛部署仍需要開放式高品質的反應 / 屬性集、嚴密基準測試，以及更高效、支援十億 Token 執行的 GPU 效能；一旦這些條件就緒，化學基礎模型將能縮短先導化合物最佳化的時間、減少實驗室浪費，並讓預測性合成在藥物化學工作流程中成為常規。