加州大学伯克利分校研究团队开发出名为GPN-Star的基因组语言模型。该模型能够解析人类30亿个碱基对的遗传“语法”，在识别基因变异方面不仅速度更快，准确率也更高。
与传统大型模型不同，GPN-Star通过分析全基因组比对数据从进化历程中学习，大幅降低了训练所需的计算成本。目前，团队已公开全基因组预测注释数据，帮助生物学家更高效地筛选出需要优先研究的致病变异和调控元件。这项研究成果已于9日发表在《自然》杂志上。