清华发布单细胞蛋白组基础模型ProtCell,摩尔线程S5000完成预训练复现
清华大学江瑞课题组发布单细胞蛋白组基础模型ProtCell,基于约3.8亿个细胞、98个公开数据集完成预训练与评估,可映射细胞状态并推断未测蛋白表达。团队在摩尔线程MTT S5000智算卡上完成全流程预训练复现,关键指标与国际主流GPU平台差异约0.2%。
清华大学自动化系江瑞课题组近日发布面向单细胞蛋白组的基础模型ProtCell,相关论文《ProtCell:a foundation model for single-cell proteomics》同步公开。该模型整合约3.8亿个细胞、98个公开数据集用于预训练与评估,目标指向细胞状态的精准映射以及未测蛋白表达的推断,为药物研发和“虚拟细胞”构建提供基础支撑。
在算力层面,论文披露团队已在摩尔线程旗舰级AI训推一体智算卡MTT S5000上完成ProtCell的全流程预训练复现。主要定量评测指标与国际主流GPU平台的差异仅约0.2%,这一结果被用于验证摩尔线程全功能GPU(Universal GPU)及MUSA全栈软件生态对前沿生命科学基础模型的承载能力。
所谓“虚拟细胞”,是指借助AI在计算机中构建细胞的运行模型,描述细胞当前状态,并预测其在药物、基因编辑等干预下的动态变化,该方向已成为全球AI4S竞争的核心战略高地。国际上,顶尖科研机构与科技巨头正以数十亿美元投入和万卡级算力集群加速布局。
在国内,《国务院关于深入实施“人工智能+”行动的意见》将“人工智能+”科学技术列为重点行动首位。虚拟细胞研发所依赖的基因组、蛋白组等核心数据高度涉及国家生物遗传资源安全,构建自主可控的先进算力基座因此成为这一方向的重要前提,ProtCell与MTT S5000的组合正处在这样的背景下。