PhageBench: LLM能否理解原始噬菌体基因组?
计算与语言
2026-04-08 v1 基因组学
摘要
噬菌体，常被称为生物圈的暗物质，在调节微生物生态系统和抗生素替代品方面发挥着关键作用。因此，准确解读它们的基因组具有重要的科学和实用价值。虽然通用大语言模型(LLM)在理解生物文本方面表现出色，但它们直接解读原始核苷酸序列并进行生物推理的能力仍未被充分探索。为解决这一问题，我们引入了PhageBench，这是第一个旨在通过模拟生物信息学专家的工作流程来评估噬菌体基因组理解的基准测试。该数据集包含5600个高质量样本，覆盖三个阶段的五个核心任务：筛选、质量控制和表型注释。我们对八个LLM的评估显示，通用推理模型在噬菌体重叠群识别和宿主预测方面显著优于随机基线，展示了基因组理解的广阔潜力。然而，它们在涉及长程依赖和细粒度功能定位的复杂推理任务中表现出显著局限。这些发现强调了开发具有增强推理能力的下一代生物序列模型的必要性。
引用
@article{arxiv.2604.05775,
title = {PhageBench: Can LLMs Understand Raw Bacteriophage Genomes?},
author = {Yusen Hou and Weicai Long and Haitao Hu and Houcheng Su and Junning Feng and Yanlin Zhang},
journal= {arXiv preprint arXiv:2604.05775},
year = {2026}
}