Living Models 将 Gemma 4 与 BOTANIC-1 结合，助力解码植物 DNA（7 分钟阅读）

# Living Models 将 Gemma 4 与 BOTANIC-1 结合，助力破译植物 DNA 来源：https://deepmind.google/models/gemma/gemmaverse/living-models/ 通过将 Gemma 4 与专门在植物基因组上训练的基础模型 BOTANIC-1 相结合，研究人员有望将传统作物遗传学多年的工作压缩到数小时的计算之中。 现代作物育种的核心在于锁定因果关系：搞清楚为何某一片甜瓜藤在干旱中枯萎而相邻植株安然无恙，或某个遗传开关如何改变花型结构从而提升商业产量。历史上，要追踪成千上万个候选变异中那一个关键开关，往往需要多年的田间试验、跨季节的植株杂交，以及耗时费力的温室筛选。 为了加速这一过程，位于巴黎的 AI 生物学实验室 [Living Models](https://www.livingmodels.ai/) 测试了一种模块化架构，将 Gemma 4 与专门面向植物基因组的基础模型 [BOTANIC-1](https://huggingface.co/collections/living-models/botanic1) 结合在一起。该流水线展示了模块化架构如何在一下午之内解开困扰数十年的遗传谜题，并帮助农业科学家直接聚焦于高置信度的干预方案。 ## 教会 Gemma 阅读 DNA，而无需教它 DNA 为了分离出高价值性状，植物遗传学家传统上依赖于[混合分组分析（Bulk Segregant Analysis）](https://en.wikipedia.org/wiki/Bulked_segregant_analysis)——将相对的亲本品系杂交，在一个生长季内培育后代，将植株按性状分组，并对这些组的基因组进行测序。这一过程虽然能将性状锁定到大致的染色体区域，但留给科学家的仍是一张没有任何注释的表格，其中包含成千上万个候选变异，包括碱基替换（单核苷酸多态性，即 SNP）、插入和缺失。 面对这一瓶颈，一个自然的问题浮出水面：为什么不直接用原始 DNA 数据来训练像 Gemma 这样的通用模型呢？ 在通用 LLM 中构建可靠的基因组能力需要权衡：面向文本的分词方式对核苷酸序列可能效率低下；支持长输入并不等同于捕捉到长程调控关系；而基因组微调则有可能削弱模型核心的推理、编码和工具使用能力。相反，像 BOTANIC-1 这样的专用基因组语言模型（GLM）虽然在序列表示上表现出色，但非技术背景的研究人员往往难以部署、查询并将它们融入日常实验室工作流。 Living Models 的解法是将两者结合：Gemma 4 作为对话式智能体抽象层，将自然语言的生物学问题转化为对 BOTANIC-1 推理端点的结构化查询。 Gemma 4 E4B（https://huggingface.co/google/gemma-4-E4B）充当自主生信调度器——负责编写终端流水线并执行工具调用——而 BOTANIC-1，这个在 320 个植物物种上预训练过的基础模型，则负责评估深层进化约束。基准测试表明，更大的模型只会增加运行开销而不会提升准确率，因此 Living Models 通过 Ollama 在单张 NVIDIA L4 GPU 上本地运行 E4B。这既保证了专有基因组数据的完全自主可控，又以极小的资源占用大幅降低了运行成本，让领域专用 AI 在标准商用硬件上也能负担得起。 ## 超越相关性：寻找因果信号 在植物繁殖过程中，DNA 以大块、连续的片段形式遗传。无害的突变就像搭乘同一节车厢的乘客，与真正的致因变异一同搭便车。由于该片段上的每个变异在所采样的植株中都以完全相同的模式共分离，统计分拣软件无法分辨究竟是哪个碱基导致了性状，哪些只是顺路搭车。 打破这些遗传关联往往耗时耗力。生物学家可能需要培育数千株额外的植株来捕捉罕见的重组事件，测试其他植物品系，或者花上一年时间逐一验证单个 CRISPR 构建体。 为了评估 AI 在实验室中究竟能带来什么样的实质性突破，Living Models 团队测试了 Gemma 4 的智能体推理能力能否自行解开一个性状，设置了以下对照： - **经典工具（方案 A）：** 将 Gemma 部署为自主生信分析员，利用其智能体推理能力编写流水线、过滤覆盖深度，并执行标准命令行软件（bcftools、Ensembl VEP）。 - **BOTANIC-1（方案 B）：** 为 Gemma 配备 BOTANIC-1，一个经过专门训练、能够读懂植物基因组进化语法的领域专用基础模型。 团队研究了一项由合作者、INRAE 研究主任 Adnane Boualem 博士主导的里程碑式发现：甜瓜 *CmEIN3* 基因内部的一个单碱基替换，使花的性别从雌性变为雌雄同株——这是决定授粉效率和果实产量的关键因素。标准定位分析已将候选范围从全基因组的 47,492 个变异缩小到 2 号染色体上的 3,061 个区域候选。然而，即便是在 2 号染色体上，经典遗传学也撞上了一道无法逾越的物理高墙：连锁不平衡。 ### 实验 A：经典生物信息学工具触到天花板 在配备标准命令行工具后，Gemma 4 以自主计算生物学家的程序化严谨性运作：制定执行计划、应用读段深度过滤、注释突变。 模型展现出了智能体的韧性：当出现语法错误时（例如试图将人类基因组参数应用到植物注释文件上），Gemma 会解析终端输出并在 16 次实例中的 9 次中完成恢复。在过滤阈值的引导下，其最佳运行结果将候选池缩小到两个得分相同的编码区突变——其中一个是已验证的 *CmEIN3* 致因变异，另一个则是一个毫不相关的基因。 为了证明这一僵局是经典工具的固有局限而非 AI 的问题，团队在没有模型参与的情况下，用确定性脚本处理了同样的数据： 虽然 Gemma 4 成功复现了人类专家生物信息学分析的天花板，但这一天花板仍然让研究人员束手无策：由于经典工具衡量的是遗传相关性而非生物学后果，它们无法识别究竟是哪个突变真正改变了植物的功能——留给育种人员的，不过是一场需要在实验室里花数月验证的抛硬币游戏。 ### 实验 B：BOTANIC-1 打破僵局 在第二个场景中，Gemma 4 被赋予了单一的专业化工具：本地的 BOTANIC-1 打分函数。BOTANIC-1 不依赖群体频率差异，而是对最多约 128 kb 的序列上下文窗口内的变异进行评估，使用模型在给定周围基因组上下文（*ctx*）时，对变异位点（*alt*）与参考基因组原始核苷酸（*ref*）所给出概率的对数似然比（LLR）（Benegas, G. et al., PNAS, 2023 (https://www.pnas.org/doi/10.1073/pnas.2311219120)）： LLR Score = log P(alt|ctx) / P(ref|ctx) 该指标充当进化约束评分：当某个核苷酸位点在数百万年的植物进化中保持保守时，引入一个替代碱基就会产生极度负的得分，表明发生了严重的生物学扰动。 Gemma 4 系统地解析了 2 号染色体上的候选变异，过滤掉 567 个插入、缺失和重排，并将其余 2,494 个单核苷酸变异路由到本地的 BOTANIC-1 打分函数。结果打破了僵局：已验证的 *CmEIN3* 突变在 2,494 个候选中位列第一，且没有并列。 通过用深层进化约束替代群体相关性，BOTANIC-1 提供了突破连锁不平衡所需的正交生物物理信号。为 Gemma 4 配备 BOTANIC-1 后，Recall@1 从未引导的 0.00 和专家引导的 0.15 提升到 0.90，并且在 20 次运行中没有出现虚构变异（而经典工具则分别出现了 3 次和 4 次虚构结果）。 这种打破遗传关联的能力远远超出了单条甜瓜染色体的范畴。正如 [Living Models 的研究](https://www.biorxiv.org/content/10.64898/2026.09.04.749355v1?utm_source=gemini)中所详述的，团队将 BOTANIC-1 与经典生物信息学工具及领先生物学模型（包括 PlantCAD2 和 Evo2）进行了对比评估，涵盖了 500 多个已发表并经实验验证的植物致因突变。在这一多样化的回溯基准测试中，BOTANIC-1 在 15.9% 的案例中将真正的致因突变排在候选集的前 0.1%，而最佳非 GLM 基线仅为 4.6%；在 48.8% 的案例中将致因变异排在前 1.0%（经典流水线为 33.9%）。 通过将分析建立在深层进化保守性的基础之上，BOTANIC-1 能够为推理模型注入对植物基因组的实证性理解，超越纯粹相关性的局限。 [在交互式演示中](https://huggingface.co/spaces/living-models/gemma-botanic)探索 Gemma 4 × BOTANIC-1 的执行记录，了解实验的具体过程。 ## 科学 AI 的蓝图 Living Models 开发的这种模块化方法，为科学 AI 建立了一套可复现的蓝图。与其期望单个模型掌握科学的每一层，现代科学发现更受益于清晰的关注点分离：像 Gemma 4 这样的通用推理模型擅长认知调度，而像 BOTANIC-1 这样的专用基础模型则编码了自然界的物理与进化约束。借助轻量级模型，农业实验室和开发者可以直接在本地执行这些智能体流水线，知识产权得以完全自主可控且安全。 随着气候变化加速打破传统的生长季并威胁全球粮食安全，作物育种已无法再承受多年试错的节奏。通过将开放式推理模型与专用基因组智能相结合，研究人员获得了在地球所要求的时间尺度上设计抗逆作物所需的速度、精度与隐私保护。 --- ### Living Models 将 Gemma 4 与 BOTANIC-1 结合，助力破译植物 DNA ### Satlyt 如何用 Gemma 构建本地空间 AI ### BetterSpeak 借助 Gemma 4 E2B 让英语口语练习脱离网络 ### 用 PaliGemma 2 改进植物检测与识别 ### CastFox 采用 Gemma 3n 扩展其交互式播客体验 ### Lettria 微调 Gemma 3 以可靠地创建知识图谱