LucaOne:Alibaba Cloud、Sun Yat-sen University
统一预训练 DNA、RNA 与蛋白序列的基础模型,约 18 亿参数。
蛋白 · 多类机构联合 · 中国 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | LucaOne;有歧义、不自动链接:LucaCell、LucaVirus |
| 家族 | 否(单一模型条目,非家族) |
| 机构 | Alibaba Cloud、Sun Yat-sen University |
| 机构类型 / 国家 | 多类机构联合(大厂云业务与高校合作) / 中国 |
| 模型类别 | 核酸-蛋白统一基础模型 |
| 领域 | 蛋白(次领域:基因组/RNA) |
| 首次发布 | (依据:bioRxiv v1 预印本(仓库创建日不作首发)) |
| 其他里程碑 | 预印本 v1 (bioRxiv v1);期刊上线 †(未核实)(期刊在线发表(按原记录,Crossref 未取到));权重发布 (LucaOne 权重上传 Hugging Face) |
| 最近更新 | ,后继模型:后继 LucaCell 权重发布;此前 LucaVirus 在 2025 年发布,GitHub 最后提交为缺陷修复。此为最近一次有出处的事件,不代表此后没有更新 |
| 开放程度 | 代码:开放(Apache-2.0);权重:开放(Apache-2.0);代码与权重 Apache-2.0;预训练语料存档于公共基因库 |
| 状态 | 活跃:12 个月内有后继模型权重发布 |
| 报过的 benchmark | 0 项计入 |
| 湿实验验证 | 无 |
| 全站实体页 | 无(全站无对应页面) |
| 截至 | 2026-11-16 |
做什么
用半监督多任务目标统一预训练 DNA、RNA 与蛋白序列,约 18 亿参数,语料覆盖 169,861 个物种;下游任务只接简单头部使用。
报过的 benchmark
按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。0 项计入。
在本站 44 个 benchmark 上没有任何配对记录;它怎么自评见下一节。
提及但不构成配对:。
其他评测(不在 44 项内)
- 八项下游验证任务(自建任务集,自报):作者自选的 DNA、RNA、蛋白与混合输入任务,与若干对照模型比较
- 中心法则少样本分析(案例研究,自报):展示模型在少样本设置下学到的 DNA 与蛋白对应关系
开发方称:开发方称这是覆盖 169,861 个物种的核酸-蛋白统一基础模型,能捕捉中心法则关系,并在八项下游任务上有竞争力
独立证据:两项第三方评测(2026)给出分化结果:监督随机划分下靠前,零样本设置下明显偏弱;病毒分类任务按划分方式结果不一,且有榜单把其数值标为自报
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | 169,861 个物种的 DNA、RNA 与蛋白序列,存档于公共基因库;总条数论文未确认 | — |
| b 私有 / 授权 | 否 | — | — |
| c 自产 wet lab 训练数据 | 否 | — | — |
| d 仅用于验证的 wet lab | 否 | — | — |
湿实验验证
无。开发方未报告湿实验验证,或本站未收录可核的记录。
背景
- 机构:由阿里云(杭州)与中山大学(深圳)共同发表;无独立融资
- 融资:未披露或不适用
- 产品与合作:同一团队另有病毒发现模型与后继的 LucaVirus、LucaCell
- 相关模型:Evo 2、NTv3、xTrimoPGLM
怎么看
- 自评任务全部自建,不在 44 项之内;按本轮口径在零配对名单上
- 第三方评测显示监督与零样本表现差距大,不能只引其中一面
局限与注意
- 期刊在线日期取自原记录,未经 Crossref 复核
- 训练语料总条数未在论文中确认
来源
- Hugging Face 页面 api/models?author=LucaGroup(仓库)
- bioRxiv 预印本(预印本)
- GitHub 仓库 LucaOne/LucaOne(仓库)
- 期刊论文 DOI 10.1038/s42256-025-01044-4(期刊)
- 第三方核酸模型评测(第三方论文)
- 第三方病毒基因组评测(第三方论文)
更正记录
无。
本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。