美国俄勒冈大学科研团队在生物进化研究领域取得重大进展，开发出全球首个专为群体遗传学设计的语言模型。该模型借鉴大语言模型技术架构，通过分析DNA序列中的碱基排列规律，实现了对生物进化路径的快速解析。研究论文已发表于权威学术期刊《美国国家科学院院刊》。
与传统方法依赖概率统计不同，新模型采用改进版GPT-2架构，但训练数据全部来自多物种的进化模拟数据集。研究团队将细菌、啮齿类、蚊媒及灵长类等生物的基因序列转化为"遗传语言"，通过机器学习识别碱基变异模式。这种变异模式类似于文本中的错别字，能够作为追踪生物血缘关系的分子标记。
在处理大规模基因组数据时，该模型展现出显著优势。传统统计方法解析单个染色体可能需要数日时间，且难以处理不完整的基因序列。新模型通过前置训练阶段完成复杂计算，实际应用时仅需数分钟即可完成相同任务，效率提升达数十倍。测试数据显示，其在确定基因共同祖先等核心指标上，已达到现有最优统计方法的精度水平。
这项技术为公共卫生领域提供了全新工具。研究团队正将其应用于疟疾防控实践，通过分析蚊虫种群的抗药性基因演化，揭示杀虫剂选择压力下的基因扩散规律。模型对碎片化基因数据的兼容性，有效解决了野外采样中常见的序列不完整问题。掌握抗药性基因的出现时间和传播路径，有助于制定更具针对性的防控策略。
科研人员形象地描述了技术突破：过去分析基因变化如同逐字阅读，现在则能快速识别关键变异。该模型不仅能发现DNA序列中的"错误"，还能通过这些变异反推生物的进化关系，甚至确定物种分化时间。在蚊虫抗药性研究中，系统可在短时间内重建抗药基因的传播网络，为调整杀虫剂使用方案提供科学依据。
目前研究团队正推进模型功能升级，计划从双谱系分析扩展至多谱系全基因树重建。虽然传统方法已具备部分功能，但机器学习在处理海量数据时具有独特优势。通过持续优化算法，模型将能够捕捉更复杂的进化信号，为遗传学研究开辟新的技术路径。
