MIMIC：面向生物分子的生成式多模态基础模型
人工智能
2026-04-28 v1 机器学习
摘要
生物功能源于序列、结构、调控、进化和细胞环境之间的耦合约束，然而当前大多数生物学基础模型仅在单一模态内训练或用于固定的前向任务。我们提出了 MIMIC，这是一个生成式多模态基础模型，在我们新整理并对齐的数据集 LORE 上训练，该数据集将部分可观测生物分子状态下的核酸、蛋白质、进化、结构、调控以及语义/上下文模态联系起来。MIMIC 采用分离轨道的编码器-解码器架构，以任意可观测模态子集为条件，跨基因组、转录组和蛋白质组重构或生成分子状态的缺失组件。多模态条件化相较于仅有序列输入，持续提升了 MIMIC 的序列重构能力，同时其学习到的表示在 RNA 和蛋白质下游任务中实现了 SOTA 性能。MIMIC 实现了 SOTA 的剪接预测，其联合生成式建模实现了异构体感知的推断，进一步提升了性能。除预测外，同一生成式框架还支持约束设计。对于 RNA，MIMIC 利用进化和结构信号，在不发生回复突变的情况下，识别出临床相关的 HBB 剪接破坏突变中的纠正性编辑。对于蛋白质，以 PD-L1 和 hACE2 结合位点的形状与表面化学为联合条件，生成了多样化、高置信度的序列，并在计算机模拟中获得了对靶标结合的有力支持。最后，MIMIC 将实验环境作为语义条件来建模依赖于实验条件的 RNA 化学探测，而非将环境视为固定输出。综上所述，这些结果确立了 MIMIC 对齐的多模态生成式建模作为在单一模型内统一表示学习、条件预测与受约束生物分子设计的坚实基础。
引用
@article{arxiv.2604.24506,
title = {MIMIC: A Generative Multimodal Foundation Model for Biomolecules},
author = {Siavash Golkar and Jake Kovalic and Irina Espejo Morales and Samuel Sledzieski and Minhuan Li and Ksenia Sokolova and Geraud Krawezik and Alberto Bietti and Claudia Skok Gibbs and Roman Klypa and Shengwei Xiong and Francois Lanusse and Liam Parker and Kyunghyun Cho and Miles Cranmer and Tom Hehir and Michael McCabe and Lucas Meyer and Rudy Morel and Payel Mukhopadhyay and Mariel Pettee and Helen Qu and Jeff Shen and David Fouhey and Hadi Sotoudeh and Vikram Mulligan and Pilar Cossio and Sonya M. Hanson and Alisha N. Jones and Olga G. Troyanskaya and Shirley Ho},
journal= {arXiv preprint arXiv:2604.24506},
year = {2026}
}