新出来的一款生物学推理模型：BioReason，首个将 DNA基础模型与LLM深度结合的模型，疾病通路预测（比如判断某个基因变异导致什么疾病）准确率达到了97%

变异效应预测准确率达80-88%。其比仅用DNA或LLM的模型相比，性能提升超过15%

它把DNA 基础模型与LLM相结合，来用于生物推理，通过监督微调+GRPO强化学习来进行训练

它不仅能预测，还能解释原因，它会逐步推理，这个就能让科学家们清楚看到基因变异是如何导致疾病的，而不是只知道结果不知道过程

BioReason的出现让基因组AI变得可解释、可操作，从分析基因变异到研发新药，这或许会改变生物学研究方式

摘要

从复杂的基因组数据中解锁深入且可解释的生物推理能力，是一项阻碍科学发现的重大人工智能挑战。当前的DNA基础模型虽然在序列表示方面表现强劲，但在多步推理方面存在困难，并且缺乏固有的透明度和生物学上直观的解释。我们提出了BioReason，这是一种开创性的架构，首次将DNA基础模型与大型语言模型（LLM）进行了深度融合。这种新颖的连接使LLM能够将基因组信息作为基本输入进行直接处理和推理，从而促进了一种新形式的多模态生物理解。BioReason的复杂多步推理能力通过监督微调和针对性强化学习进行开发，引导系统生成逻辑性强、生物学上连贯的推论。在包括基于KEGG的疾病通路预测（准确率从88%提升至97%）和变异效应预测在内的生物推理基准测试中，BioReason显示出比强大的单模态基线模型平均15%的性能提升。

关键贡献

• 新颖的多模态架构： 首次成功将DNA基础模型与LLM集成，为AI驱动的生物学研究建立了新的方法论。

• 先进的推理方法学： 结合监督微调和强化学习的系统性训练方法，激励模型进行多步生物推理。

• 新的生物推理基准： 开发并整理了一套用于评估生物推理能力的新基准测试，包括一个从KEGG（京都基因与基因组百科全书）进行基因通路和疾病预测的带注释推理数据集。

• 实证性能提升： 证明BioReason的性能优于单独使用或简单组合使用的DNA基础模型和LLM，相比基线平均提升15%以上。

• 可解释的推理轨迹： 提供生成逐步生物推理轨迹的机制，该机制能提供可解释的预测，从而增强科学洞察力和假设生成能力。