湖南大学提出 OpticalDNA，用视觉文档方式建模基因组
湖南大学提出 OpticalDNA，将 DNA 建模为视觉文档，用 OCR 式方法提升长序列基因组分析效率与可解释性。
主流 DNA 大模型沿用大语言模型的顺序建模思路，但真实基因组信息稀疏、呈区域化、存在长距离互作。湖南大学团队提出 OpticalDNA，把 DNA 排版成多页可视文档，借鉴 OCR 的思路训练模型去读取、定位、检索、补全，在长距离 eQTL 任务上表现领先且效率更高。
正文摘录
- title: ICML 2026 | DNA 大模型不止于 LLM，湖南大学 OpticalDNA 开启视觉理解新范式 - sourcecompany: 机器之心 - bodymarkdown: .jpg) 作者 | 论文团队 编辑丨ScienceAI 近年来，DNA Foundation Model 已成为人工智能与生命科学交叉领域最活跃的研究方向之一。 从 DNABERT、Nucleotide Transformer、HyenaDNA，到最新的 Evo、AlphaGenome，越来越多的工作开始借鉴大语言模型（LLM）的技术路线：将 DNA 序列表示为 token，并通过 Transformer、状态空间模型（State Space Model）等架构学习超长序列中的上下文关系。过去几年，这一路线不断推动模型上下文长度和预测能力的提升，也逐渐成为当前 DNA 大模型最主流的建模范式。 不过，随着模型开始处理数十万乃至全基因组尺度的输入，一个新的问题逐渐浮现：除了沿着序列逐步建模，是否还存在一种更符合基因组稀疏、区段化和超长特征的表示方式？ 近期，湖南大学/岳麓山实验室曾湘祥教授团队提出了一种新的基因组视觉建模框架 OpticalDNA。不同于现有工作继续沿着序列建模方向优化，OpticalDNA 借鉴 OCR（Optical Character Recognition）的思想，将 DNA 从一维字符序列重新组织为可阅读、可定位、可检索的视觉文档，探索了一条新的基因组基础模型技术路线。