Basecamp、Anthropic、Ultima、PacBio、NVIDIA合作启动万亿基因图谱计划，规模堪比人类基因组计划

近日，“万亿基因图谱计划（Trillion Gene Atlas）”宣布正式启动。该项目将由人工智能（AI）生命科学公司Basecamp Research与Anthropic、Ultima Genomics、Pacific Biosciences及NVIDIA合作开展。这一里程碑式科研计划整合了生物数据生成、AI模型开发及高性能计算领域的最新进展，旨在通过采集全球数千个地点超过1亿个物种的基因组数据，将已知的进化遗传多样性提升至100倍，实现万亿基因规模的生物数据生成与建模，最终实现AI驱动的治疗方案研发。

据悉，该计划的规模堪比人类基因组计划。目前的生物AI模型仅基于全球一小部分生命特征进行训练，万亿基因图谱可将已知的基因范围扩大数个数量级，远远超出了目前公共数据库。以这种数据规模进行模型训练开创了可编程治疗设计的新范式。

借助万亿基因图谱数据，Basecamp公司计划进一步扩展其EDEN基础模型的训练数据集规模，以支持基于AI的治疗方案研发。EDEN模型于2026年1月发布，是一种全新演化AI模型，可通过大规模进化宏基因组数据，捕捉传统参考基因组中常缺失的生物学信号，尤其在保留长距离基因组背景信息时效果显著。

据悉，EDEN模型完全依赖于BaseData™这一专有基因组数据库训练。目前，BaseData™的数据量是所有公共数据源总和的10倍以上。EDEN模型的训练数据涵盖100亿个新发现基因，涉及100万种新发现物种，这些数据是在五年内从五大洲28个国家或地区的150多个地点收集。基于统一进化数据预训练的EDEN模型，能够作为一个通用的生物设计引擎，仅需极少的任务特异性数据引导，即可快速、可靠地驱动从分子、细胞到生态系统级别的治疗创新，为可编程生物学奠定了坚实的实践基础。

Basecamp公司表示，数据集多样性的扩展使EDEN超越了简单的预测能力，使其能够直接从疾病提示中设计多样化治疗方案。通过将EDEN可用的进化数据库规模扩大100倍，希望实现药物设计流程的加速与系统化，推动EDEN在基因治疗及对抗抗生素耐药菌等应用领域的进展。

万亿基因图谱的构建基于三大支柱：大规模DNA测序技术、全球数据供应合作伙伴关系、先进计算技术。

为扩大数据生成规模，Basecamp将采用Ultima公司的UG200测序仪和PacBio的HiFi平台进行大规模测序，以获取短读长和长读长测序数据。

Ultima公司的UG200测序仪作为被选定的短读长测序平台，将为该图谱计划提供全新数据资源。Ultima基于晶圆的测序架构与创新化学技术实现了超低成本下的超高通量测序，使该平台特别适用于大规模数据生成项目。

EDEN基础模型通过BaseData™进行训练，成功突破了行业普遍存在的数据壁垒。Ultima公司此次与Basecamp合作，将通过收集全球数千个地点超过1亿个物种的基因组数据并完成测序，使该数据集规模实现百倍级扩展。

Ultima Genomics创始人兼首席执行官Gilad Almogy表示：“与其他领域如语言学或计算机视觉相比，生物学在数据获取方面长期存在根本性不足，因为研究人员缺乏大规模生成数据所需的工具。我们坚信AI将对生物学认知和人类健康产生深远影响，而UG200系列系统正是从零开始设计，旨在为生物AI提供所需的海量数据集。我们非常期待该技术能推动万亿基因图谱等创新项目的发展。”

Basecamp Research联合创始人兼首席执行官Glen Gowers表示：“AI能够让我们利用进化多样性来开发更优质的药物，但前提是必须具备大规模数据支持。Ultima的UG200测序平台将大规模测序技术推向了新高度，使突破性大规模研究计划的愿景成为现实。通过将低成本大规模测序技术与加速计算能力及先进模型相结合，万亿基因图谱计划将在传统方法力不从心的领域为药物设计开辟全新路径。”

同时，该计划将采用PacBio Revio测序仪搭载的HiFi测序技术生成大规模环境及宿主相关宏基因组数据。据悉，此次合作预计将从五大洲31个国家获取约10万份深度测序样本，由此构建迄今为止规模最大、数据多样性最丰富的高保真宏基因组数据集。

HiFi测序技术通过结合高准确度与长读长测序能力，可解析复杂基因组及微生物群落。在宏基因组学研究中，当功能特征在亲缘关系密切的菌株间存在差异时，HiFi测序技术能完整保留基因组背景信息，从而实现菌株分辨率的完整基因组组装，并精准重建重复序列、移动元件、结构变异、质粒、噬菌体基因组及操纵子等遗传学元件。由此产生的宏基因组数据具有极高的准确性、可靠性和全面性，为AI模型训练提供了坚实基础。

SPRQ -Nx技术可在大规模多样化样本中实现稳定、高性能测序，随着项目规模扩大，可确保高保真数据的可靠生成。通过SPRQ-Nx化学技术，PacBio进一步提升了测序效率与成本效益，使得大规模深度宏基因组测序项目在经济性方面日益具有优势。

PacBio总裁兼首席执行官Christian Henry表示：“我们非常高兴能与Basecamp Research合作，将已知进化遗传多样性提升百倍。鉴于HiFi测序技术兼具高精度与长读长特性，能完整保留基因组结构，我们认为HiFi测序是开发AI驱动洞察的理想数据类型，这将推动未来治疗方案的发现。通过Revio和SPRQ -Nx工作流程，我们已具备以基础模型规模为万亿基因图谱提供技术支持的能力。”

Glen Gowers表示：“要拓展AI可利用的进化数据集，不仅需要更多数据，更需要更优质的数据。PacBio的长读长测序技术使我们能够捕捉基因组结构与背景信息，这些要素对训练基础生物学模型至关重要。通过结合高保真测序技术、加速计算能力及先进模型，万亿基因图谱计划旨在打造新一代AI系统，使其具备设计变革性药物的能力。”

美国加州大学伯克利分校教授Jill Banfield表示：“宏基因组学使我们能够获取地球环境中存在的巨大生物多样性。通过高精度、高上下文信息量的HiFi测序技术，我们可以重建基因组（通常为基本完整的基因组），从而实现基于短读长数据难以或无法完成的可靠分析。HiFi测序技术为构建跨环境与人类系统运作的生物模型开辟了途径。”

同时，万亿基因图谱计划将依托NVIDIA加速计算基础设施，实现PB级规模的海量遗传数据处理。作为该计划的重要组成部分，Basecamp公司将利用Parabricks技术显著提升宏基因组组装效率。此次合作聚焦于先进工程技术与新型算法开发，旨在优化复杂环境样本的重建流程。得益于该技术加速方案，原本需要20余年才能完成的千万亿DNA碱基对处理任务，预计仅需不到2年即可完成。

Anthropic公司也加入了这一合作，引入了Claude AI大型语言模型。通过结合Claude的先进推理能力、EDEN的治疗方案设计能力以及NVIDIA的CUDA-X库来处理非结构化数据，该计划旨在创建一个整合的工作流程，用于解读复杂的临床数据并将其直接转化为治疗设计。

此外，Basecamp表示正在智利和阿根廷建立新的全球数据收集合作伙伴关系，这些合作伙伴关系将进一步拓展该公司在31个国家的现有科学协作网络。该协作网络基于Basecamp专为AI训练设计的可扩展进化基因组学分析流程，通过开创性地整合新型监管与经济框架及完全离网DNA测序技术，该公司可从传统实验室无法触及的生态系统中采集高质量基因组数据。

随着生物数据量的增加和质量的提升，AI的处理能力也会显著增强，使得设计适用于多种疾病和治疗方式的新型药物成为可能。万亿基因图谱极大地扩展了基因组数据的范围，使这些数据能够更好地被运用到生物信息网络中，从而为AI技术的研发提供有力支持。

参考资料：

1.https://www.prnewswire.com/br/comunicados-para-a-imprensa/basecamp-research-lanca-trillion-gene-atlas-para-ampliar-terapias-desenvolvidas-por-ia-302719445.html

2.https://www.prnewswire.com/news-releases/ultima-genomics-announces-ug200-series-selected-for-basecamp-researchs-groundbreaking-trillion-gene-atlas-302719317.html

3.https://www.pacb.com/press_releases/basecamp-research-selects-pacbio-hifi-sequencing-to-power-trillion-gene-atlas-initiative/

4.https://www.prnewswire.com/news-releases/basecamp-research-launches-trillion-gene-atlas-to-scale-ai-designed-therapeutics-302716624.html

01

02

03

04

05

快点亮"在看”吧！