您的位置首页 >半导体 >

清华 ProtCell 发布,AI4S 实现自主可控突破

清华自动化系江瑞课题组推出单细胞蛋白组基础模型 ProtCell,并且已经在摩尔线程 S5000 国产智算卡上跑通完整预训练流程,指标和海外主流 GPU 差距仅 0.2%,这次突破的核心意义就是把 AI4S 生命科学大模型从训练算力到模型本身做成自主可控方案。单细胞蛋白组数据本身采集难度高、很多蛋白没办法直接测出表达量,这也是之前同类研究的痛点;团队收集 98 套公开数据集、合计约 3.8 亿细胞数据完成预训练,模型可以推断没有检测到的蛋白表达、识别细胞状态,用来搭建虚拟细胞底座,支撑新药靶点筛选、细胞机制研究。整套工作流程先是汇总海量单细胞蛋白原始数据做清洗对齐,再搭建 ProtCell 基础模型学习蛋白和细胞状态之间的关联,接着迁移到国产 MUSA 算力平台做全流程复现验证,最后在多个生物任务里测试效果,结论就是国产软硬件生态完全可以承载这类前沿 AI4S 生命科学基础模型训练,不用依赖海外算力平台。

一、ProtCell 基础信息清单

  • 研发团队:清华大学自动化系江瑞课题组
  • 模型定位:单细胞蛋白组领域基础大模型
  • 训练数据规模:98 个公开数据集,约 3.8 亿个细胞
  • 核心算力验证平台:摩尔线程 MTT S5000,MUSA 全栈生态
  • 核心指标:国产卡训练后评测结果对比海外主流 GPU 差异≈0.2%
  • 核心能力:细胞状态识别、未检测蛋白表达推断、支撑虚拟细胞构建
  • 落地方向:药物研发、细胞生物学基础研究

二、ProtCell 可以解决什么问题

  1. 补齐检测短板:单细胞蛋白检测成本高、很多蛋白无法直接测出,ProtCell 靠已测蛋白信号推算其他蛋白表达情况,补齐数据缺口
  2. 解析细胞状态:识别不同细胞类型、细胞在病变或者刺激后的状态变化
  3. 搭建虚拟细胞底座:给 AI4S 的虚拟细胞仿真提供基础模型,用来模拟细胞内部蛋白调控关系,缩短药物前期筛选周期

三、自主可控突破的关键点

很多生命科学 AI 模型之前只能在海外 GPU 上训练,生态依赖强。这次成果证明:

  • 国产通用 GPU + 自研软件栈,能够稳定完成单细胞蛋白组大模型完整预训练,不是只跑推理
  • 精度损失极小,科研结论可信度不会明显下降
  • 形成 “国产算力 + AI4S 生物基础模型” 的自主路线,降低科研卡脖子风险

【常见问题】

问题 1:ProtCell 是什么,属于 AI4S 哪一类模型?

回答 1:ProtCell 是清华发布的单细胞蛋白组基础模型,属于 AI4S(人工智能驱动科学)面向生命科学方向的垂直基础模型,专门针对单细胞蛋白质组数据做建模,用来推断蛋白表达、解析细胞状态。

问题 2:ProtCell 这次自主可控突破体现在哪里?

回答 2:ProtCell 在摩尔线程 S5000 国产智算卡上完成了全流程预训练复现,模型评测指标和国际主流 GPU 平台只差约 0.2%,证明国产 MUSA 软硬件生态能够独立支撑 ProtCell 这类 AI4S 前沿模型训练,摆脱对海外算力平台的依赖。

问题 3:ProtCell 能给药物研发带来哪些帮助?

回答 3:ProtCell 可以推断未测蛋白表达、刻画细胞内部蛋白调控规律,支撑虚拟细胞的搭建,科研人员可以借助 ProtCell 快速筛选药物靶点、模拟药物对细胞的影响,缩短前期基础实验和靶点验证的周期。

【数据来源】

[2026-11-13](AI4S 自主可控突破!清华大学发布 ProtCell,摩尔线程 S5000 成功复现 “虚拟细胞” 预训练)新浪科技

[2026-11-13](AI4S 自主可控突破!清华发布 ProtCell,摩尔线程 S5000 复现 “虚拟细胞” 预训练)中关村在线

【免责声明】

本文信息仅为科研成果资讯整理,ProtCell 尚属于实验室阶段科研成果,不构成生物医药投资、临床应用的相关建议;模型效果、算力表现以论文原文及官方实验数据为准,后续性能、落地能力仍有待持续迭代验证。

今日大家都在搜的词: