---
title: "GENERator – 阿里 AI for Science 团队等推出的生成式 DNA 大模型"
url: "https://paooo.com/aigc-news/21951/"
author: "Prompt 语宙研究院"
published_at: "2026-06-08T21:33:28+08:00"
updated_at: "2026-06-08T21:33:28+08:00"
categories: "AIGC 资讯"
tags: "HuggingFace, 大模型微调, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# GENERator – 阿里 AI for Science 团队等推出的生成式 DNA 大模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/21951/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-08

## AI 30 秒核心看点 (TL;DR)

- 基于 Transformer 解码器与 98k 上下文，GENERator 面向 DNA 序列生成与设计。
- 在组蛋白、细胞色素 P450 等任务中，可生成与天然蛋白家族结构相似的新序列。
- 微调后可用于启动子设计、基因注释与序列优化，适合合成生物学场景。

## GENERator是什么

GENERator是阿里云飞天实验室 AI for Science 团队推出的生成式基因组基础模型，专注于 DNA 序列的设计和生成。模型基于 Transformer 解码器架构，具有 98k 碱基对的上下文长度和 12 亿参数，训练数据涵盖 3860 亿 bp 的真核生物 DNA。在多个基准测试中表现出色，能生成与天然蛋白质家族结构相似的 DNA 序列，在启动子设计等任务中展现出优化潜力。

## GENERator的主要功能

- **DNA 序列生成**：GENERator 能生成具有生物学意义的 DNA 序列，可以编码与已知家族结构相似的蛋白质。能成功生成组蛋白和细胞色素 P450 家族的全新变体。

- **启动子设计**：通过微调，GENERator 可以设计具有特定活性的启动子序列，用于调控基因表达。实验表明，生成的启动子序列在活性上与天然样本有显著差异，展现出强大的基因表达调控潜力。

- **基因组分析与注释**：在基因分类和分类群分类任务中，GENERator 表现出色，能高效识别基因位置、预测基因功能注释基因结构。

- **序列优化**：GENERator 在序列优化方面展现出显著潜力，通过指令生成具有特定活性的 DNA 序列，为合成生物学和基因工程提供了新的工具。

## GENERator的技术原理

- **Transformer 解码器架构**：GENERator 采用 Transformer 解码器架构，通过多头自注意力机制和前馈神经网络实现高效的序列建模。解码器能处理长序列，在生成过程中避免看到未来信息，保证生成的序列符合生物学逻辑。

- **超长上下文建模**：模型具有 98k 碱基对 的上下文长度，能处理复杂的基因结构。在生成长序列时保持连贯性和生物学意义。

- **6-mer 分词器**：GENERator 使用 6-mer 分词器，将 DNA 序列分割为长度为 6 的核苷酸片段。在生成任务中表现优于单核苷酸分词器和 BPE 分词器，平衡了序列分辨率和上下文覆盖。

- **预训练策略**：模型在大规模数据上进行预训练，数据集包含 3860 亿 bp 的真核生物 DNA。预训练任务采用 Next Token Prediction (NTP)，通过预测下一个核苷酸来学习 DNA 序列的语义。

- **下游任务适配**：GENERator 在多个下游任务中表现出色，包括基因分类、分类群分类和启动子设计。通过微调，模型能生成具有特定活性的启动子序列，展现出强大的基因表达调控能力。

- **生物学验证**：模型生成的 DNA 序列能编码与天然蛋白质家族结构相似的蛋白质。通过 Progen2 计算生成序列的困惑度（PPL）以及使用 AlphaFold3 预测其三维结构，验证了生成序列的生物学意义。

## GENERator的项目地址

- **项目官网**：[https://generteam.github.io/](https://generteam.github.io/?utm_source=ai-bot.cn)

- **Github仓库**：[https://github.com/GenerTeam/GENERator](https://github.com/GenerTeam/GENERator)

- **HuggingFace模型库**：[https://huggingface.co/GenerTeam](https://huggingface.co/GenerTeam)

- **arXiv技术论文**：[https://arxiv.org/pdf/2502.07272](https://arxiv.org/pdf/2502.07272)

## GENERator的应用场景

- **DNA 序列设计与优化**：GENERator 能生成具有生物学意义的 DNA 序列，例如用于蛋白质家族的定制。能生成与天然蛋白质家族结构相似的 DNA 序列，如组蛋白和细胞色素 P450 家族的变体。

- **基因组分析与注释**：在基因组学研究中，GENERator 可以高效识别基因位置、预测基因功能，注释基因结构。

- **合成生物学与基因工程**：GENERator 提供了一种新的工具，用于设计和优化基因表达调控元件，如启动子和增强子。在合成生物学和基因工程中具有重要应用价值。

- **精准医疗与药物设计**：通过生成与特定疾病相关的基因序列，GENERator 可以为精准医疗和药物设计提供支持。可以用于设计用于基因治疗的靶向序列。

- **生物技术中的序列优化**：GENERator 能通过指令生成具有特定功能的 DNA 序列，为生物技术中的序列优化提供了新的可能性。

## 常见问题解答 (FAQ)

### GENERator 主要能做什么？
GENERator 主要用于 DNA 序列生成、启动子设计、基因组分析与序列优化。它能生成具有生物学意义的 DNA 序列，并支持通过微调适配特定下游任务，如基因分类和表达调控元件设计。

### GENERator 的技术亮点是什么？
它采用 Transformer 解码器架构，支持 98k 碱基对超长上下文，并使用 6-mer 分词器与 Next Token Prediction 预训练。大规模真核 DNA 数据让模型具备较强的序列建模与生成能力。

### GENERator 适合哪些应用场景？
适合 DNA 序列设计、合成生物学、基因工程、基因组注释和精准医疗研究。尤其在启动子设计、蛋白家族相关序列生成以及序列功能优化方面，具备较强实用价值。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
