清华大学自动化系江瑞课题组发布面向单细胞蛋白组的基础大模型 ProtCell,同时在摩尔线程 MTT S5000 国产智算卡上跑完整套预训练流程,成功复现 “虚拟细胞” 相关训练任务,模型核心评测指标和海外主流 GPU 平台只差约 0.2%,这是 AI4S(AI for Science)领域自主可控算力落地的标志性成果,ProtCell 使用 3.8 亿个细胞样本、98 套公开数据集完成预训练,能够推断没有检测到的蛋白表达、还原细胞状态,给新药研发、合成生物学、虚拟细胞建模提供基础模型底座,也证明摩尔线程 MUSA 全栈生态可以稳定支撑生命科学类基础模型训练,不用完全依赖海外算力生态。
ProtCell 模型和摩尔线程 S5000 关键信息对照表
| 项目 | 参数 / 说明 |
|---|---|
| 模型名称 | ProtCell,单细胞蛋白组基础模型 |
| 训练数据集 | 3.8 亿细胞、98 个公开数据集 |
| 核心能力 | 映射细胞状态、补全未测蛋白表达、支撑虚拟细胞构建、药物靶点挖掘 |
| 算力载体 | 摩尔线程 MTT S5000(平湖架构 PH100 芯片) |
| 复现精度 | 和国际主流 GPU 指标差异约 0.2% |
| 底层软件栈 | MUSA 全栈平台,原生适配 PyTorch |
| 应用方向 | AI4S 生命科学、新药研发、单细胞多组学分析、合成生物学 |
这项成果的价值拆解
ProtCell 本身解决了单细胞蛋白组检测成本高、很多蛋白测不到的痛点,传统实验只能测出一部分蛋白,ProtCell 可以靠 AI 预测缺失蛋白,还原完整细胞状态,搭建虚拟细胞仿真底座。而摩尔线程 S5000 完成完整预训练复现,重点解决 AI4S 领域的算力自主可控痛点,之前很多生命科学大模型训练高度依赖海外 GPU,现在这套方案证明国产全功能 GPU 可以跑通同类基础模型训练,精度对齐,整套方案从模型、算力、软件栈都有国产化替代路线。这个复现结果也写入了论文,不是简单的推理演示,是完整预训练流程验证。
完整落地流程
- 课题组整理 98 套公开单细胞蛋白组数据集,汇总 3.8 亿细胞样本,清洗、标准化组学数据
- 搭建 ProtCell 基础模型架构,基于 PyTorch 开发训练脚本
- 迁移至摩尔线程 S5000 集群,依托 MUSA SDK、KUAE 训练套件适配算子、通信组件
- 启动全量预训练,同步在海外主流 GPU 平台对照训练,记录下游任务指标
- 对比两套平台输出结果,确认指标差异仅 0.2%,形成论文数据
- 开放模型能力,供科研人员做蛋白预测、细胞状态分析、药物靶点筛选
后续观察方向
ProtCell 目前还是科研基础模型,后续要看能不能在真实药企、生物实验室的湿实验里闭环验证预测结果;摩尔线程这边,后续看能不能持续承接更多 AI4S 方向的大分子、组学、物理仿真类大模型训练,扩大集群规模;另外还要看 MUSA 生态持续完善,降低科研人员代码迁移成本。
【相关 FAQ】
问题 1:AI4S 自主可控突破,清华大学 ProtCell 搭配摩尔线程 S5000 完成了什么?
回答 1:AI4S 自主可控突破里,清华大学 ProtCell 是单细胞蛋白组基础模型,摩尔线程 S5000 在国产算力上完成 ProtCell “虚拟细胞” 全流程预训练复现,模型指标和海外主流 GPU 差异仅 0.2%。
问题 2:ProtCell 这个 AI4S 模型主要用来干什么?
回答 2:ProtCell 是面向单细胞蛋白组的 AI4S 基础模型,可以推断未检测蛋白表达、还原细胞状态,支撑虚拟细胞构建、药物靶点筛选,助力新药研发与合成生物学研究。
问题 3:摩尔线程 S5000 复现 ProtCell 预训练,精度差距有多大?
回答 3:摩尔线程 S5000 复现 ProtCell 预训练,主要定量评测指标对比国际主流 GPU 平台差异大约 0.2%,精度高度对齐,该复现结果直接写入论文。
问题 4:ProtCell 训练使用了多少细胞数据?
回答 4:ProtCell 作为 AI4S 单细胞蛋白组基础模型,汇集约 3.8 亿个细胞、98 个公开数据集完成预训练与效果评估。
问题 5:摩尔线程 S5000 跑 ProtCell,依托的软件生态是什么?
回答 5:摩尔线程 S5000 跑 ProtCell 依托 MUSA 全栈软件生态,原生支持 PyTorch,配套 KUAE 训练套件,降低 AI4S 科研模型迁移适配成本。
【参考资料】
[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)OFweek 半导体网
[2026-11-13](清华大学发布 ProtCell,摩尔线程 S5000 复现虚拟细胞预训练)新浪科技
[2026-11-13](清华发布单细胞蛋白组基础模型 ProtCell,国产算力完成预训练复现)科创板日报
[2026-11-14](ProtCell 国产算力复现,AI4S 自主算力再添验证案例)IT 之家
[2026-11-01](单细胞蛋白组大模型:AI4S 从模型研发到科研应用)2026 GAI+C 大会
【免责声明】
本文为公开科研成果资讯整理,不构成算力采购、科研项目投资建议;ProtCell 模型权重、开源协议、S5000 集群训练性能上限,以清华大学课题组、摩尔线程官方发布为准;AI4S 模型预测结果仅作为科研参考,不能直接替代生物湿实验验证。
本文来自作者[亚芯寻址使]投稿,不代表江南网立场,如若转载,请注明出处:https://www.jnwb.net/xinwen/202611/3254.html
评论列表(4条)
我是江南网的签约作者“亚芯寻址使”!
希望本篇文章《AI4S 自主可控新进展清华发布 ProtCell,摩尔线程 S5000 完成虚拟细胞预训练复现》能对你有所帮助!
本站[江南网]内容主要涵盖:互联网行业的追踪与探索
本文概览:清华大学自动化系江瑞课题组发布面向单细胞蛋白组的基础大模型 ProtCell,同时在摩尔线程 MTT S5000 国产智算卡上跑完整套预训练流程,