基因注释是把“测出基因组”变成“读懂基因组”的关键环节，直接影响基因结构识别、功能解析，以及育种改良、疾病研究和生态保护等后续应用。近年来，国际大型基因组计划持续推进，新物种、新群体的基因组数据快速增长，但高质量注释能力跟进不足，逐渐成为后基因组时代影响科研效率和成果转化的瓶颈。 在现有流程中，注释通常需要整合RNA测序、同源蛋白比对等多类外部证据来提升准确性与完整性，但在实际操作中存在不少限制：一是数据获取成本高，特别是样本难采、组织类型有限或实验条件受限的物种，转录组等证据往往难以齐备；二是计算与比对开销大，数据规模一旦上来，效率和资源压力显著增加；三是对数据匮乏物种的适配性不足，注释质量波动较大，进而影响跨物种比较研究和大型计划的整体进度。如何在减少外部依赖的前提下实现高精度注释，成为方法学需要突破的方向。 针对上述问题，西安交通大学叶凯教授团队提出一种基于混合专家架构的基因组语言模型ANNEVO。团队表示，该方法可同时学习不同生物类群的进化规律以及DNA序列的长距离上下文关系，从而在不依赖RNA测序和同源蛋白等外部证据的情况下，仅凭DNA序列实现高精度从头基因注释。有关研究成果已在线发表于国际期刊《自然·方法》。 业内人士认为，在“仅凭序列”的条件下实现可用且可靠的注释，将为基因组研究在数据获取、流程组织和规模化推进上带来更大灵活性：对于资源受限物种、新测序物种，以及公共卫生应急或外来入侵物种的快速解析，可显著缩短从测序到获得可解释结果的周期；对于国家级、生物多样性与农业育种等大型任务，也有望提升注释的一致性与可比性，降低对多源配套数据的依赖。 从更宏观的角度看，基因注释能力既是生命科学基础研究的重要支撑，也关系到生物产业发展与生物安全治理。高质量注释有助于更快定位关键功能基因和调控元件，为病原体监测溯源、重要生物资源评价利用、遗传改良靶点筛选等提供更可靠的数据基础。此次方法进展，为我国在基因组解析关键环节提升自主创新能力提供了新的技术路径，也为生命科学与信息科学交叉融合提供了可借鉴的实践范式。 据介绍，叶凯教授团队长期围绕“智能驱动的基因组解析”开展研究，已形成从基因组变异识别到基因功能注释的连续方法链条，并在国际旗舰基因组计划相关应用场景中显示出价值。下一步，该方法仍需在更广泛物种、更复杂的基因组类型上继续验证与优化，并与实验验证、数据库标准及共享平台建设联合推进，促进从方法创新走向规模化应用与标准化落地。
从“读出”到“读懂”，关键在基础方法的突破与持续迭代。基因注释能力的提升不仅意味着科研效率提高，也关系到生命科学资源向国家战略需求和民生应用转化的速度与质量。面向后基因组时代，加强关键核心技术的原创研究，并以应用需求牵引评测体系与生态建设，将成为推动生命科学高质量发展的重要路径。