GenSLMs: Genome-scale language models reveal SARS-CoV-2 evolutionary dynamics

基因组 比例(比率) 计算机科学 跟踪(教育) 2019年冠状病毒病(COVID-19) 进化动力学 严重急性呼吸综合征冠状病毒2型(SARS-CoV-2) 路径(计算) 动力学(音乐) 计算生物学 生物 基因 遗传学 地理 程序设计语言 物理 传染病(医学专业) 人口 教育学 病理 社会学 心理学 医学 人口学 地图学 疾病 声学
作者
Maxim Zvyagin,Alexander Brace,Kyle Hippe,Yuntian Deng,Bin Zhang,Cindy Orozco Bohorquez,Austin Clyde,Bharat Kale,Danilo Perez-Rivera,Heng Ma,Carla M. Mann,Michael Irvin,Defne G. Ozgulbas,Natalia Vassilieva,J. Gregory Pauloski,Logan Ward,Valérie Hayot-Sasson,Murali Emani,Sam Foreman,Zhen Xie,Diangen Lin,Maulik Shukla,Weili Nie,Josh Romero,Christian Dallago,Arash Vahdat,Chaowei Xiao,Thomas Gibbs,Ian Foster,James J. Davis,Michael E. Papka,Thomas Brettin,Rick Stevens,Anima Anandkumar,Venkatram Vishwanath,Arvind Ramanathan
出处
期刊:International Journal of High Performance Computing Applications [SAGE]
卷期号:37 (6): 683-705 被引量:16
标识
DOI:10.1177/10943420231201154
摘要

We seek to transform how new and emergent variants of pandemic-causing viruses, specifically SARS-CoV-2, are identified and classified. By adapting large language models (LLMs) for genomic data, we build genome-scale language models (GenSLMs) which can learn the evolutionary landscape of SARS-CoV-2 genomes. By pre-training on over 110 million prokaryotic gene sequences and fine-tuning a SARS-CoV-2-specific model on 1.5 million genomes, we show that GenSLMs can accurately and rapidly identify variants of concern. Thus, to our knowledge, GenSLMs represents one of the first whole-genome scale foundation models which can generalize to other prediction tasks. We demonstrate scaling of GenSLMs on GPU-based supercomputers and AI-hardware accelerators utilizing 1.63 Zettaflops in training runs with a sustained performance of 121 PFLOPS in mixed precision and peak of 850 PFLOPS. We present initial scientific insights from examining GenSLMs in tracking evolutionary dynamics of SARS-CoV-2, paving the path to realizing this on large biological data.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Coatings发布了新的文献求助10
刚刚
大胆的滴滴完成签到,获得积分10
刚刚
刚刚
刚刚
KEYAN完成签到,获得积分10
1秒前
完美世界应助anran采纳,获得10
1秒前
2秒前
2秒前
3秒前
李健应助yan采纳,获得30
3秒前
刻苦伊发布了新的文献求助10
4秒前
5秒前
热心灯泡完成签到,获得积分10
6秒前
mao完成签到,获得积分10
6秒前
张怀民发布了新的社区帖子
6秒前
xhl完成签到 ,获得积分10
6秒前
Coatings完成签到,获得积分10
6秒前
甜甜醉波发布了新的文献求助10
7秒前
泽爷发布了新的文献求助10
7秒前
zzz发布了新的文献求助10
7秒前
zain完成签到 ,获得积分10
7秒前
mymts5完成签到,获得积分10
7秒前
8秒前
8秒前
自然刺猬发布了新的文献求助10
9秒前
Jasper应助清脆的思枫采纳,获得10
9秒前
Luckyz发布了新的文献求助10
9秒前
Owen应助一期一会采纳,获得10
9秒前
mouduan完成签到 ,获得积分10
9秒前
10秒前
英姑应助crush_zyd采纳,获得10
10秒前
阔达亿先完成签到,获得积分10
11秒前
Yara.H发布了新的文献求助10
11秒前
11秒前
13秒前
泽爷完成签到,获得积分10
13秒前
13秒前
科研通AI2S应助耍酷乌采纳,获得10
14秒前
流流124141完成签到,获得积分10
14秒前
单薄店员完成签到,获得积分10
14秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3134744
求助须知:如何正确求助?哪些是违规求助? 2785657
关于积分的说明 7773533
捐赠科研通 2441441
什么是DOI,文献DOI怎么找? 1297924
科研通“疑难数据库(出版商)”最低求助积分说明 625075
版权声明 600825