就在DeepSeek发布“外挂记忆”技术Engram仅仅16天后，一支低调的中国团队迅速将其思想“移植”到了生命科学领域，推出了名为Gengram的创新模块，为AI读懂DNA这本“天书”打开了一扇新门。这支来自杭州的Genos团队，结合了之江实验室与华大生命科学研究院的力量，不仅让基因组模型性能大幅提升，甚至让AI“自己悟出”了DNA双螺旋的物理规律——这一切，都源于一个轻量级却极具智慧的设计。
从“逐字阅读”到“成语速查”：给AI一本基因字典
传统的基因组基础模型（如AlphaGenome）普遍采用“单碱基分词”方式处理DNA序列，也就是把A、T、C、G一个个拆开来看。这种方式虽然精细，但效率极低，就像我们读成语时不是整体理解“刻舟求剑”，而是先分析每个字的笔画和含义，再拼凑意思，既费力又容易出错。面对长达30亿碱基的人类基因组，模型很容易“只见树木，不见森林”。
Gengram的突破在于将静态的生物学知识显式地做成“外挂字典”。它构建了一个可微分的哈希表，存储长度为1到6的所有k - mer（如“ATG”、“CGTA”），这些正是已知的功能性DNA片段（如启动子、转录因子结合位点）。当模型遇到这些关键序列时，不再靠层层注意力机制去“猜”，而是直接查表获取语义信息，省下大量算力用于更高层次的推理。
更聪明的是，Gengram引入了动态门控机制，让模型学会“什么时候该查字典，什么时候该独立思考”。在功能区域（如外显子）激活检索，在无功能背景区域则关闭，避免干扰。这种“看人下菜碟”的智能策略，极大提升了计算效率与准确性。
神奇的21bp：AI自己“发现”DNA双螺旋规律
最令人惊叹的发现是，Gengram在训练中自发表现出对DNA三维结构的敏感性。研究团队测试不同局部聚合窗口大小时发现，当窗口设为21bp时，模型性能达到峰值。而这个数字并非巧合——DNA双螺旋每10.5个碱基旋转一圈，21bp正好对应两个完整周期。这意味着相隔21bp的碱基在空间上处于同一侧，面临相似的生化环境。
换句话说，Gengram在没有输入任何结构生物学知识的前提下，通过数据训练“悟出”了DNA的空间相位规律，仿佛AI在处理一维序列的同时，也隐约看见了它的三维构象。这一现象不仅是技术上的成功，更是AI具备“科学直觉”的一次生动体现。
小插件撬动大变革：轻量设计带来高效能跃迁
Gengram本身仅约2000万参数，对于百亿级的大模型来说几乎可以忽略不计，但它带来的提升却是飞跃性的：
- 剪接位点预测AUC提升16.1%（从0.776到0.901）
- 表观遗传预测任务H3K36me3 AUC提升22.6%（从0.656到0.804）
更重要的是，集成Gengram的模型展现出惊人的数据能效比——仅用极小规模训练数据，就能媲美甚至超越那些依赖数十倍数据量的主流模型。它还具备强大的通用性，能无缝适配Dense与MoE等不同架构，并显著改善MoE中的专家负载失衡问题，实现性能与效率的双重优化。
杭州“特种部队”：AI for Science的新范式样本
Gengram的背后，是“Genos Team”这支融合了华大生命科学研究院的组学大数据能力与之江实验室的AI算力优势的交叉团队。他们去年发布的百亿级人类基因组模型Genos，已成为GeneT等临床级遗传病分析模型的基础。这次Gengram的推出，不仅是一次技术创新，更验证了一种新的科研范式：将领域先验知识转化为可计算的架构设计，让AI真正“懂科学”。
未来，我们或许会看到更多类似“外挂字典”的专用插件，应用于蛋白质、代谢通路乃至细胞系统建模中。而Gengram已经证明：真正的智能，不在于记住一切，而在于知道哪里该查，哪里该想。
本文作者可以追加内容哦 !
