Le modèle d'intelligence artificielle chinois pour les sciences de la vie, GeneLLM, émerge comme le « DeepSeek biologique »

DeepSeek La version finale de -V4-Flash vient de révolutionner le monde des grands modèles universels, et la version chinoise de Deepseek dédiée aux sciences de la vie suit immédiatement.

Récemment, Jin Du Sheng Ke (fondée par quatre brillants diplômés de l'Université d'Oxford revenus en Chine) a présenté son modèle de langage spécialisé en sciences de la vie, GeneLLM, développé en interne, qui a été publié dans deux revues académiques internationales de premier plan : Nature Communications et Advanced Science.

En tant que premier modèle de grande taille multi-omique au monde à être pré-entraîné directement sur des données brutes d'omique, GeneLLM constitue un modèle majeur après AlphaFold de Google et EVO 2 de l'Université de Stanford, comblant le vide des modèles fondamentaux chinois en sciences de la vie et mérite d'être qualifié de Deepseek chinois des sciences de la vie, permettant à l'IA de commencer à comprendre plusieurs « langues » de la vie et l'ensemble du « système ».

La reconnaissance des maladies n'est qu'une application de GeneLLM ; ce que Jin Du Life Science souhaite véritablement accomplir, c'est créer le « Claude Code » du domaine des sciences de la vie.

ChatGPT, Claude, DeepSeek Le cœur des grands modèles linguistiques est la prédiction du prochain token.

GeneLLM suit une approche similaire, mais il prédit des informations biologiques, et non du texte.

Les quatre bases de l'ARN — adénine (A), uracile (U), guanine (G), cytosine (C) — deviennent les tokens de base que GeneLLM utilise pour comprendre le langage de la vie.

L'analyse traditionnelle de la bioinformatique repose généralement sur l'annotation génique, l'alignement de séquences et l'étiquetage manuel. Bien que précise, cette méthode limite prématurément le champ de connaissance du modèle et peut entraîner la perte de nombreux signaux biologiques inconnus cachés dans les données brutes.

GeneLLM emprunte une voie différente en apprenant directement les lois de la vie à partir de données de séquençage brutes non traitées.

Il utilise des données brutes multi-omiques, telles que les données du transcriptome, du protéome et du métabolome, comme données d'entraînement pour permettre au modèle de découvrir automatiquement des motifs liés aux maladies.

Actuellement, GeneLLM a achevé la pré-formation du modèle avec 15 milliards de paramètres et 3,5 billions de séquences de bases ; la version XLarge a réalisé la pré-formation du modèle avec 30 milliards de paramètres, élargissant continuellement son avantage technologique.

En tant que premier modèle de grande taille multi-omique au monde pré-entraîné sur des données de séquençage brut, GeneLLM comprend deux phases :

(1) Pré-entraînement non supervisé et découverte de prototypes

(2) Fine-tuning au niveau du patient pour les maladies (Disease Tuning)

GeneLLM doit d'abord résoudre un problème :

Comment transformer des données biologiques complexes en un langage compréhensible par l'IA ?

Dans le traitement du langage naturel, l'algorithme BPE divise les phrases en tokens ; GeneLLM divise les fragments de séquençage d'ARN d'environ 150 pb en tokens biologiques à l'aide d'une fenêtre glissante de 7 bases (7-mer).

Ensuite, le modèle utilise l'architecture Transformer pour prédire directement le prochain nucléotide sans annotation génique ni étiquettes humaines.

Cela signifie que l’IA n’apprend pas à partir d’un « dictionnaire » préparé par les humains, mais directement à partir des signaux bruts de la vie.

Pendant l'entraînement, GeneLLM a traité environ plusieurs dizaines de billions de reads RNA, sur un cluster de cent GPU NVIDIA A100.

À ce stade, les capacités de généralisation de GeneLLM commencent à « émerger ».

En tant que percée majeure dans le domaine des sciences de la vie, le modèle national GeneLLM peut être appliqué à plusieurs domaines tels que le développement de nouveaux médicaments, la médecine personnalisée, la biologie synthétique, la surveillance environnementale, les micro-organismes et l'agriculture biologique, ainsi que la conception de protéines et de molécules. Il s'agit d'un modèle à grande échelle rarement mis en œuvre dans des scénarios réels à l'échelle mondiale.

Après avoir examiné les innovations fondamentales de GeneLLM en matière de « données, architecture, formation », nous pouvons véritablement comprendre : pourquoi il représente la version « biologique » de la Chine DeepSeek ».

La Silicon Valley a empilé des dizaines de milliers de H100 pour atteindre des trillions de paramètres, DeepSeek En améliorant l'efficacité de la puissance de calcul grâce à des innovations algorithmiques, GeneLLM déplace également des masses de données en sciences de la vie, avec une efficacité remarquable.

Si AlphaFold a permis à l'IA de comprendre pour la première fois la « structure » de la vie, et EVO2 de commencer à comprendre le « code » de la vie, alors GeneLLM tente de comprendre davantage le « système » de la vie.

Ce qui est encore plus impressionnant, c’est l’efficacité. Les méthodes traditionnelles reposent sur un séquençage en profondeur de 6 Go, coûteux et difficile à mettre en œuvre. GeneLLM maintient une AUC > 0,8 même avec un séquençage en très faible profondeur de 1 Go (réduction des coûts de 83 %).

Cela signifie qu'il est réellement possible de rendre la médecine personnalisée et universelle une réalité.

Un nouveau paradigme de recherche émerge : permettre à l’IA d’apprendre à partir de données biologiques, afin d’entamer une nouvelle ère pour les sciences de la vie, caractérisée par la prévisibilité, le calcul et une exploration à grande échelle.

Mais le déploiement de Jin Du Sheng Ke ne se limite pas au modèle de base.

Fondé sur le modèle multi-omique GeneLLM comme fondement de la compréhension de la vie, JinDu Bioscience construit un système d'exécution reliant l'intelligence artificielle au monde physique, réalisant ainsi une boucle complète d'IA pour la science via la couche d'exécution expérimentale intelligente Harness et la boucle de données DBTL (Design-Build-Test-Learn), permettant de passer de la compréhension des lois de la vie et de la génération d'hypothèses scientifiques à la validation expérimentale automatisée et à l'optimisation continue.

Comme l'a déclaré Liam Fedus, ancien vice-président d'OpenAI et responsable du post-entraînement, les LLM actuels ont épuisé les textes et codes limités disponibles sur Internet ; les progrès scientifiques majeurs suivants devront s'appuyer sur des itérations expérimentales.

Cela signifie que l'IA ne peut pas se contenter de lire le contenu écrit par les humains pour découvrir de nouvelles connaissances ; elle doit effectuer ses propres expériences.

Mais la question est la suivante —

Les services Internet ont naturellement des API, et les informations réseau sont intrinsèquement numériques, mais les équipements de recherche proviennent de différents fabricants, utilisent des protocoles variés, et sont à la fois complexes et coûteux ; personne ne peut les démolir et les reconstruire en quelques mois.

La plupart des laboratoires d'aujourd'hui sont conçus pour les humains : les tableaux de commande, les gestes de pipetage, l'état des échantillons, les jugements sur le terrain, n'ont presque jamais été transformés en signaux compréhensibles par les machines.

L'IA entre dans le laboratoire ; il ne s'agit plus seulement de la capacité des modèles, mais aussi de la mise en place d'une nouvelle infrastructure.

Ainsi, l'IA entre dans le laboratoire, et il ne s'agit plus seulement de la capacité des modèles, mais aussi d'un harness physique : transformer le laboratoire en un système compilable, planifiable, observable et traçable.

Cela, c'est véritablement le dernier kilomètre de AI4S.

To this end, Jindu has developed a system called BioFord Harness.

Ceci est une infrastructure reliant l'IA aux laboratoires physiques.

Ils n'ont pas fait en sorte que le bras mécanique imite la main humaine, mais ont transformé le laboratoire en un système programmable, planifiable, observable et traçable.

Au cours de ce processus, le harness physique doit accomplir au moins trois tâches :

1. Compiler l'intention scientifique ou le DSL d'expérience en instructions exécutables par différents appareils ;

2. Gérer l'ordonnancement, les ressources et les contraintes de sécurité entre plusieurs appareils, ainsi que traiter les anomalies ;

3. Faire rétroagir les résultats expérimentaux, les journaux d'équipement et les paramètres environnementaux en tant qu'entrée pour la prochaine itération du modèle et de la conception expérimentale.

Question scientifique → Compréhension par l'IA → Plan expérimental → Planification des équipements → Exécution → Retour des données → Optimisation du modèle → Prochain cycle.

Une roue à inertie de données d'expériences scientifiques s'est ainsi mise en marche.

Cinq agents intelligents transforment le processus de recherche en une chaîne de production

La plateforme de recherche BioFord Agent relie en bas la couche physique des laboratoires et prend en charge la couche cognitive des scientifiques, tout en unifiant l'inférence et l'exécution grâce à l'IA physique.

Au niveau cognitif, l'agent BioFord est composé d'un réseau collaboratif de cinq agents intelligents, couvrant l'ensemble du processus de recherche en sciences de la vie et augmentant l'efficacité scientifique de plusieurs fois.

Agent de recherche documentaire

Agent de conception d'expériences

Agent scientifique

Agent de planification expérimentale

Agent d'analyse de données

Par exemple, un agent de recherche bibliographique peut vous aider rapidement à rechercher et à lire une grande quantité de documents, à réaliser une revue de littérature et à vous assister dans la formulation d'hypothèses.

L'agent de conception d'expériences permet à l'équipe de recherche de réduire le cycle de conception d'expériences, qui était auparavant de plusieurs mois, à une semaine.

L'agent d'ordonnancement expérimental lancé par Jin Du Sheng Ke repose sur la couche d'abstraction universelle des instruments (Universal Instrument Abstraction Layer) et a éliminé les barrières protocolaires entre divers types d'équipements hétérogènes.

Que ce soit un PCR, un lecteur d'absorbance, un cytomètre en flux ou une station de pipetage automatisée, tous peuvent être gérés et planifiés de manière centralisée. Le système intègre un algorithme de planification dynamique permettant une planification par lots automatique, une évitement en temps réel des conflits, ainsi qu'une enregistrement complet des paramètres expérimentaux pour former une chaîne d'audit traçable.

Cela signifie que l'IA ne se contente plus de la phase « d'élaboration de stratégies », mais entre véritablement dans les laboratoires, manipule des équipements et exécute des tâches, devenant ainsi un « assistant de recherche » fiable.

Les données d'échec sont peut-être plus précieuses que les données de succès

La valeur plus profonde de ce système réside dans le fait qu'il transforme chaque expérience — qu'elle soit un succès ou un échec — en données que le système peut intégrer.

Dans un laboratoire traditionnel, un échec peut simplement être noté par une ligne du type « Les résultats ne correspondent pas aux attentes » ; l'expérience réside dans la tête des personnes, et lorsqu'elles partent, l'expérience disparaît aussi.

Dans le système BioFord, chaque échec constitue des données d'entraînement précieuses — la logique de sélection des paramètres, l'enregistrement des conditions environnementales, la preuve des chemins erronés… tout cela s'accumule pour devenir une partie de l'« expérience » du système.

La prochaine fois, l'IA saura : ce chemin est bloqué.

Il est intéressant de noter que, dans ce secteur, ce n’est pas le plus puissant en termes de puissance de calcul qui gagne, ni le modèle le plus volumineux.

La puissance de calcul est achetable, mais les données scientifiques ne le sont pas.

Jin Yongcheng, fondateur et PDG de Jindu Shengke, a déclaré : « Au cours du processus de développement, nous avons progressivement constaté que l'IA pour les sciences de la vie ne consiste pas simplement à accumuler des modèles et des données. Pour les chercheurs en expérimentation, la problématique finale reste de résoudre le dilemme où les calculs ne permettent pas d'effectuer les expériences, ou où les expériences effectuées sont incorrectes. »

Ceci est le fossé compétitif le plus important et le plus difficile à copier dans le secteur AI4S.

En 2022, Kim Young-sung a dû faire un choix au moment où il a obtenu son doctorat en bio-ingénierie à l'Université d'Oxford.

Son mentor est Hagan Bayley, membre de la Royal Society et fondateur d’Oxford Nanopore, entreprise britannique cotée en bourse leader en séquençage de troisième génération, avec une forte tradition de mise en œuvre des résultats dans le laboratoire. Rester au Royaume-Uni était un chemin clair et sans obstacle.

Mais il a choisi un autre chemin — prendre un « prototype technologique » du laboratoire, le mettre dans une valise et le ramener en Chine. Il était accompagné de trois autres anciens élèves d’Oxford : le docteur en biologie Deng Siwei, le chercheur associé en informatique Sha Lei (docteur en informatique de l’Université de Pékin, senior de Luo Fuli, responsable du grand modèle de Xiaomi), ainsi que Zhou Tianyao, spécialiste dans la mise en œuvre de produits. Les quatre individus possèdent des compétences complémentaires en ingénierie biologique, intelligence artificielle, biologie computationnelle et gestion commerciale, toutes indispensables. Ils avaient déjà collaboré sur des projets de recherche conjoints, combinant l’IA et les technologies de transcriptome pour prédire et détecter des maladies. Ces quatre personnes s’assemblent comme des pièces de puzzle, parfaitement complémentaires, capables de mener des recherches hautement interdisciplinaires.

Le nom de l'entreprise « Jin Du Sheng Ke » : « Jin » provient d'Oxford, symbolisant leur départ des hauts lieux académiques tels que les laboratoires de pointe d'Oxford ; « Du » signifie aider les autres, ce qui représente, selon eux, la destination finale de l'IA pour la science.

Actuellement, la plateforme physique d'IA scientifique BioFord Agent de Jin Du Sheng Ke a été déployée dans plusieurs universités renommées en Chine, avec des résultats remarquables, réduisant le cycle de recherche de plusieurs mois à une semaine.

Cependant, emprunter un chemin « sans précédent » est inévitablement accompagné de solitude.

Au début de l’entrepreneuriat, les difficultés étaient nombreuses. À l’époque, les startups d’IA prospéraient, mais les tentatives d’« IA + » dans le domaine des sciences biologiques étaient rares. « Ceux qui comprennent l’IA ne comprennent pas forcément les sciences biologiques, et la plupart de ceux qui comprennent les sciences biologiques ne comprennent pas l’IA. »

Kim Yeong-seong a admis : « Les investisseurs n'ont pas compris ce que nous faisions. »

L'équipe a choisi le chemin « le plus difficile » : commencer par des grands modèles fondés sur la biologie, un domaine dans lequel il existe très peu d'entreprises dans le monde.

En 2025, un tournant est survenu.

À l'époque, le Conseil d'État a publié l'« Opinion sur la mise en œuvre approfondie de l'action "IA +" », dans laquelle l'IA pour la science était incluse, et le secteur a commencé à prendre de l'essor.

Jindu Shengke a réalisé le record de « 4 levées de fonds en un an ». Les principales dates de financement de l'entreprise constituent une référence dans l'industrie.

Angel + Seed Round: Led by Sequoia Capital China Seed Fund;

Série Pre-A+ : financement de niveau million dirigé par Chuangdong Investment ;

Série Pre-A+ : levée de fonds de plusieurs millions de yuans auprès de Nanshan New Industry Investment ;

Série A : dirigée par Gao Tejia Investment, près de 100 millions de yuans levés.

Teng Yuhang, associé exécutif de Gao Tejia Investment, a déclaré : « Jin Du Life Science a transformé la recherche fondamentale en sciences de la vie en une infrastructure « puissance de calcul + expérimentation » sous forme d'abonnement et extensible. »

Mais l'objectif de Kim Young-sung est encore plus ambitieux : « Nous ne nous contentons pas de vendre des logiciels ; nous voulons construire un système d'exploitation intelligent pour le domaine des sciences de la vie. Tout comme Intel a défini la puissance de calcul à l'ère du PC, nous souhaitons définir un nouveau paradigme de recherche en sciences de la vie à l'ère de l'IA. »

De l'Université d'Oxford à Shenzhen, de l'incompréhension à l'investissement majeur des premiers fonds, l'histoire de quatre Oxfordiens n'est pas seulement une légende entrepreneuriale, mais aussi une question existentielle : « Que pouvons-nous faire pour l'humanité ? »

Lorsque l'IA apprend à faire des recherches en « travaillant toute la nuit », les découvertes scientifiques pourraient ne plus dépendre de l'inspiration accidentelle des génies, mais devenir des résultats prévisibles et inévitables. Ils viennent à peine de commencer ce chemin.

Sur la carte plus vaste de l'IA pour les sciences de la vie, Jin Du n'est pas seul, mais son point d'entrée est radicalement différent.

La première catégorie est celle des scientifiques en IA numériques.

Biomni, incubée à Stanford (commercialisée sous le nom de Phylo), dispose de plus de 150 outils professionnels permettant d'automatiser les revues de littérature, la génération d'hypothèses et l'analyse bioinformatique.

FutureHouse, soutenue par Eric Schmidt, vise à construire des scientifiques IA capables de générer automatiquement des hypothèses et d'écrire des articles scientifiques.

Cependant, bien qu'elles soient puissantes, elles restent limitées au monde numérique.

Deuxième type : la voie autonome full-stack.

Jing Tai Technology a déployé plus de 300 stations de travail à l'échelle mondiale avec la combinaison « IA + robotique ».

Lila Sciences, incubée par Flagship Pioneering, a levé 550 millions de dollars pour tenter de confier entièrement à l'IA la conception, l'exécution et la redéfinition des expériences, avec pour objectif une « superintelligence scientifique ».

Mais tout cela coûte trop cher.

Troisième catégorie : itinéraire de gestion bout en bout.

Insilico Intelligence intègre directement l'IA dans son propre pipeline de médicaments innovants ; le premier médicament conçu par l'IA est déjà en phase III d'essais cliniques, mais ils sont des « constructeurs de voitures » et non des « réparateurs de routes ».

Le choix de Jin Du Sheng Ke est de se concentrer sur la construction d'infrastructures physiques Harness, servant d'infrastructure pour la « dernière mile » entre les modèles et les systèmes expérimentaux physiques.

Ne pas participer à la course aux bases, ne pas construire de chaînes end-to-end, ne pas être un scientifique de l'IA uniquement dans le monde numérique. Ne se concentrer que sur ce dernier kilomètre est sans doute une approche plus légère.

Kim Young-seong l'a bien exprimé : « Le véritable point de bascule pour l'IA pour la science n'est pas la capacité du modèle à répondre comme un scientifique, mais la possibilité pour le laboratoire de commencer à fonctionner comme un système en apprentissage continu. »

De plus, dans le domaine mondial de l'IA pour la science, Jindu ne se contente pas de « faire uniquement le dernier kilomètre ».

Plus précisément, il s'agit d'une entrée à la dernière mile pour revendiquer le contrôle de l'ensemble du flux de travail scientifique.

Contrairement aux scientifiques AI purement numériques, il peut interagir avec le monde physique ; contrairement aux usines scientifiques à actifs lourds auto-développées, il a la possibilité de prendre en charge les laboratoires existants des clients ; contrairement aux entreprises AI de pharmacie end-to-end, il n’a pas à miser son avenir sur une seule ligne clinique.

Son véritable avantage concurrentiel ne sera pas le nombre de paramètres, mais les traces d'expériences accumulées, les interfaces d'équipement, les expériences d'échec et le réseau d'exécution inter-laboratoires.

Comme le dit Kim Young-sung, des dizaines de milliers de voies de signalisation et des mécanismes réactionnels encore inconnus dans les organismes vivants sont fascinants. « La richesse de la biologie est aussi belle que les perspectives de l'IA pour la science. »

Explorer les mystères de la vie avec l'intelligence artificielle, le voyage vers les étoiles de ces étudiants d'Oxford vient tout juste de commencer.

Cet article provient du compte WeChat « XinZhiYuan », auteur : XinZhiYuan ; éditeur : Aeneas KingHZ