InstaDeep推出生物多模态对话智能体ChatNT，革新生物学研究范式

英国人工智能公司InstaDeep近日在《Nature Machine Intelligence》发表研究论文，正式推出多模态对话智能体Chat Nucleotide Transformer（ChatNT）。该模型通过自然语言交互即可处理DNA、RNA和蛋白质序列，显著降低了生物学家使用AI工具的技术门槛，被学界视为生物信息学领域的突破性进展。

技术核心：跨模态理解与任务泛化能力
ChatNT整合了预训练的DNA编码器、投影层和英语解码器，通过统一框架实现对生物序列的高级语义解析。其创新性体现在两方面：
1. 多任务泛化：仅需一次性英文指令即可完成序列特征提取、跨物种调控元件分析等多样化任务，性能与专用模型相当；
2. 模态扩展性：架构支持未来整合蛋白质编码器（如ESM2），为处理结构生物学数据预留接口。

应用场景与行业影响
研究团队已验证ChatNT在基因变异影响评估、组织特异性表达分析等场景的实用性。该技术有望解决传统生物学研究的痛点：
– 降低技术壁垒：无需编程即可调用复杂模型，避免学习R、Python等语言的成本；
– 提升研究效率：通过对话快速整合多模态数据（如基因组、转录组），加速假设验证周期。

行业背景与挑战
尽管生物医学对话模型（如BioGPT）近年涌现，但跨模态数据处理仍是技术难点。ChatNT的突破在于将自然语言理解与生物序列语义对齐，但其临床转化仍需解决数据异构性、监管合规等问题。

InstaDeep表示，ChatNT已开放模型权重（Hugging Face平台），后续将探索其在个性化医疗中的潜力。这一进展或推动AI制药赛道竞争升级，此前谷歌、英伟达等企业已加速布局多模态生物智能体领域。