NTv3:InstaDeep (subsidiary of BioNTech)
基因组基础模型,1 Mb 上下文,一个模型做轨迹预测、基因注释与序列生成。
基因组/RNA · AI 原生 biotech · 英国 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | NTv3;全称:Nucleotide Transformer v3;别名:Nucleotide Transformer v3;有歧义、不自动链接:Nucleotide Transformer、NT |
| 家族 | 否(8M/100M/650M 为同一代的规格;前两代无独立实体记录) |
| 机构 | InstaDeep (subsidiary of BioNTech) |
| 机构类型 / 国家 | AI 原生 biotech / 英国 |
| 模型类别 | 基因组语言模型 / 序列到功能模型 |
| 领域 | 基因组/RNA(次领域:分子生成) |
| 首次发布 | (依据:预印本 v1 的 posted 日期(版本 API);同期另有技术报告 PDF) 原记 2025-12-22 系由 DOI 字符串推得,按本轮口径不得作日期 |
| 其他里程碑 | 最早公开证据 (预印本 v1 posted);预印本 v1 (预印本 v1 posted);代码发布 (官方博客与代码/权重发布同日);权重发布 (全系列权重上线模型库);官方公告 (官方博客) |
| 最近更新 | ,论文修订:预印本 v2 上线;此前为官方博客与权重发布(2026-02-18),同日另发布开发方自建的多物种任务套件。代码仓库到 2026-11-02 的同步为维护(原记最近更新为 2026-02-18 产品更新,已改为更晚的论文修订)。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;权重:仅研究用途(custom licence (model hub label: other));权重在模型库以自定义许可发布(2026-11-16 查),代码为 JAX 实现;配套任务套件为非商业许可 |
| 状态 | 活跃:12 个月内有论文修订、权重发布与仓库维护 |
| 报过的 benchmark | 1 项计入(自报 1) |
| 湿实验验证 | 1 条记录 |
| 全站实体页 | 无(全站实体库未检出对应页面) |
| 截至 | 2026-11-16 |
做什么
把前两代的短序列分类扩展到 1 Mb 上下文,一个模型同时输出功能轨迹、基因结构注释并支持条件生成;后训练使用约 16,000 条功能轨迹与注释、覆盖 24 个物种。相对 AlphaGenome 参数小得多但覆盖多物种,相对 Evo 2 多了有监督的轨迹后训练。
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。1 项计入(自报 1)。
| Benchmark | 关系类型 | 计入 | 评测集 / 口径 | 来源类型 | 说明 | 出处 |
|---|---|---|---|---|---|---|
| 08 Basenji/Enformer test set | 开发方按官方口径自报 | 是 | — | 自报 | 沿用前代轨迹集的折与设置微调;只给相对提升,未与另一家大厂模型直接对比 | 出处 |
其他评测(不在 44 项内)
- 开发方自建多物种任务套件(自建任务集,自报):106 个任务、7 个物种、碱基分辨率输出;与模型同期发布,对手由开发方选定,胜出清单来自博客转述
- GUE / NT 短序列套件(站外公开 benchmark,自报):配对不成立:技术报告未报该套件,基因注释对比用的是另一套前代 benchmark;该 benchmark 条目的新版本随本模型预印本发布
开发方称:一个 1 Mb 上下文的模型同时覆盖轨迹预测、基因注释与生成,并在自建的多物种任务套件上优于若干专用工具与更大的序列模型。
独立证据:未检出独立证据(未检出第三方按站内 benchmark 协议的评测;自建套件亦无第三方复评)
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | 公开泛基因组数据集预训练(技术报告称训练 9T 碱基),后训练用公开功能基因组学轨迹与注释,含人鼠轨迹集与一套植物及昆虫数据 | 出处 |
| b 私有 / 授权 | 未披露 | — | — |
| c 自产 wet lab 训练数据 | 否 | — | 出处 |
| d 仅用于验证的 wet lab | 是 | 在一种昆虫细胞系中用报告基因测序验证生成的增强子,仅作验证 | 出处 |
湿实验验证
每个比率都带分子与分母;未核实的条目不给数字。不同版本的来源分开列。
| 实验 | 靶点数 | 受测设计 | 命中 | 成功率 | 最佳亲和力 | 分母口径 | 版本 | 来源类型 | 日期 | 核实 | 执行方 | 说明 | 出处 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 生成增强子的报告基因测序验证 | — | 不给数字 | — | — | — | 900 条 = 活性分档设计 600 条(每档 60 条 × 5 档 × 2 个启动子)+ 150 对 150 的正面对比;单一细胞类型 | technical report (not peer reviewed) | 自报 | †(未核实) | 部分核实† | 开发方自做,未经同行评议 | 报告自身口径冲突(一处写 1,000 条、方法部分写 900),按方法部分取 900 并注明;未报命中率,只报分层与启动子特异性倍数 | 出处 |
背景
- 机构:开发方是 2014 年在北非创办、2015 年起总部设于伦敦的决策型 AI 公司,生物方向为其重点线,2023 年成为一家 mRNA 与肿瘤免疫药企的子公司。开发方 2025-10 的活动上称其核酸模型系列下载量逾百万次、被引逾五百次。员工数无可引用官方口径,本记录不给。
- 融资:2019-05 A 轮 700 万美元;2022-01 B 轮 1 亿美元(领投方口径不一:一家媒体称两家基金共同领投,另有来源写作一家互联网公司领投);2023-01 被母公司收购,初始对价约 3.89 亿美元、里程碑最高约 2.43 亿美元,2023-07-31 交割。
- 产品与合作:前作为同系列前两代核酸模型(前代于 2025-02 在期刊发表);开发方另有蛋白质谱模型;母公司为 mRNA 与肿瘤免疫药企。合作机构包括三所欧美研究机构。同类对照为 Evo 2 与 AlphaGenome。
- 相关模型:Evo 2、AlphaGenome、Borzoi
怎么看
- 106 任务的套件由开发方自建、与模型同期发布,只能说明在自家定义的任务上领先。
- 没有 GUE/NT 套件成绩;轨迹集上只给相对提升,且未与另一家大厂模型直接对比。
- 最大规格仅 650M,对更小规格竞品的领先不能外推到对手的最大规格。
- 湿实验约 900 条、单一细胞类型,报告的是分层与特异性倍数而非命中率,且来源自身在条数上不一致。
局限与注意
- 主要评测为开发方自建套件,无第三方复评。
- 技术报告未经同行评议;预印本尚无期刊版本。
- 湿实验条数在来源内部冲突(1,000 对 900)。
- 权重为自定义许可,套件为非商业许可。
来源
更正记录
以下为本轮核对中改过的字段,原值按记录照录。
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。