ViroBench: 病毒基因组任务上的核苷酸基础模型基准
机器学习
2026-05-26 v1 定量方法
摘要
核苷酸序列构成生物系统的基本遗传基础，使病毒基因组分析对于医学进步至关重要。尽管生物基础模型（特别是核苷酸基础模型，NFMs）取得了显著进展，但该领域缺乏统一的病毒基因组标准以促进社区发展并实施生物安全约束。为此，我们引入ViroBench，首个专为NFMs在病毒场景下设计的全面大规模基准测试。ViroBench在两个关键维度上评估模型：生物学理解和潜在生物安全风险，覆盖18种多样化场景及4种任务类型。对66个NFMs进行广泛评估得出三个关键结论：首先，在系谱和时间偏移下，NFMs在生物学理解方面存在性能下降，表明其外推能力较弱；其次，生成任务揭示了统计概率与生物学功能有效性之间的脱钩，存在潜在生物安全风险；最后，受控消融研究表明，预训练数据中的生物学多样性远胜于参数规模。具体而言，一个轻量基线模型在多样化数据上训练可实现为其原始模型提供67.5%的性能提升。总体而言，ViroBench提供可解释的诊断性评估和可复现的测量框架，用于未来病毒核苷酸基础模型研究。数据集和代码均公开于https://github.com/QIANJINYDX/ViroBench。
引用
@article{arxiv.2605.25388,
title = {ViroBench: Benchmarking Nucleotide Foundation Models on Viral Genomics Tasks},
author = {Dongxin Ye and Fang Hu and Han Hu and Shu Hu and Yang Tan and Wanli Ouyang and Stan Z. Li and Jie Cui and Nanqing Dong},
journal= {arXiv preprint arXiv:2605.25388},
year = {2026}
}
备注
42 pages,15 figures