中科院造了“全科科学家“AI:能看懂蛋白质、预测药效、画医学图像

这项由中国科学院主导、联合问格人工智能共同研发的成果以预印本形式于2026年7月发布在arXiv平台论文编号为arXiv:2607.15686v1有兴趣深入了解技术细节的读者可直接通过该编号检索完整论文。---一直以来科学研究有个令人头疼的老问题每个领域都有自己的专家他们各自精通一块但彼此之间几乎无法对话。研究蛋白质的不懂材料研究光谱的不懂基因研究医学影像的又是另一套体系。这就像一家医院里骨科医生永远不和心内科医生共用病历本——效率极低而且很容易遗漏重要信息。人工智能领域也长期面临同样的困境。过去几年里AI在科学研究上的进步走的是专科化路线有专门看蛋白质折叠的AlphaFold有专门做分子生成的模型有专门处理医学图像的工具。这些模型各自精通自己的一亩三分地但你没法拿一个问题同时问所有人更没法让它们用一个统一的科学大脑来思考。中国科学院的研究团队决定打破这堵墙。他们构建了一个叫做**S1-Omni**的统一多模态科学推理模型目标是让一个AI同时承担起材料科学家、化学家、生物学家、医学影像分析师的职责——不是靠外挂各种工具而是真正在一个统一的大脑里完成科学理解、预测和生成。模型在覆盖200个科学任务的S1-Omni-Corpus数据集上训练该数据集包含数百万条高质量科学推理样本评测横跨超过60个科学基准测试。在绝大多数测试中S1-Omni超越了GPT-5.5和Gemini-3.1-Pro并在若干专项任务上追平甚至超越了专门训练的领域模型。---一、科学AI的碎片化困境为什么专科医生不够用假设你是一名药物研发科学家某天你想搞清楚一个新化合物是否有潜力成为药物候选分子。你需要先预测它的物理化学性质能不能溶于水稳不稳定然后判断它在人体里的代谢方式会不会被肝脏快速分解会不会影响心脏还要看它与靶蛋白的结合情况最后可能还要生成它的三维结构来设计下一步实验。在现有的技术格局下你需要分别调用四五个不同的专业模型把它们的输出结果人工拼接起来中间还要自己判断各个模型的可信度。这不仅费时费力更要命的是这些模型之间没有统一的科学知识底座它们各说各话你作为人类研究者必须担当最终的知识整合者。更深层的问题在于科学知识本身就是相互交织的。蛋白质的功能位点往往与它的三维结构密不可分而三维结构又受到氨基酸序列的约束同时这个蛋白质可能恰好也是某个药物的作用靶点——这些信息在真正的专家脑子里是一体化的但在AI模型里却被人为切割成了互不相干的碎片。S1-Omni的出发点就是重新把这些碎片拼回一个整体。研究团队把这个问题抽象成三个核心能力第一能够把不同格式的科学数据——不管是文字描述、分子结构字符串SMILES、晶体结构文件CIF、蛋白质序列、光谱图像还是医学影像——统一放进同一个理解框架里第二让模型在学习过程中真正吸收科学规律和专家经验而不只是背诵数据里的表面规律第三对于需要特定格式输出的任务比如生成分子结构、预测蛋白质三维坐标、输出分割图像配备专门的翻译模块把统一的内部理解转换成各领域能直接使用的原生格式。---二、S1-Omni的架构一个大脑多个专家之手S1-Omni的设计哲学可以用一个比喻来理解它像一位博学的科学顾问身后配了一组专业助理。顾问负责理解问题、调取知识、形成判断助理负责把判断转化为各自领域的专业输出。顾问和助理通过一套标准化的信息传递协议沟通这套协议叫做预填充隐藏表示。具体来说模型的核心是一个32亿参数的视觉语言模型S1-VL-32B它承担科学理解和推理的工作。当你给它输入一段蛋白质序列、一张光谱图或者一个晶体结构文件时它会先在内部形成一个富含科学含义的任务状态表示同时生成可选的科学推理过程和文本回答并输出一个决定后续走向的任务令牌。任务令牌的作用是路由如果任务的答案可以直接用文字表达比如这个分子有没有毒性文本输出就是最终结果如果任务需要特定格式的科学结果比如这个蛋白质序列哪些位点会结合配体或者根据这张光谱图重建分子三维结构任务令牌就会激活对应的专用解码器把共享的内部表示转换为特定领域的原生输出。这套架构里一共有五类解码器分别对应不同的输出需求。属性预测解码器负责把内部表示转换为连续数值比如能带隙、溶解度或分类标签比如是否是CYP2C9底物蛋白质功能位点解码器在残基级别逐位输出结合概率分子生成解码器把光谱信息转化为分子图谱和三维构象蛋白质折叠解码器生成全原子三维坐标图像生成与编辑解码器负责产生或修改医学和科学图像。值得注意的是这个设计有意回避了一个看似更干净的方案——把所有科学对象都硬塞进统一的Token序列。研究团队认为这样做会破坏不同科学数据类型各自的结构特征蛋白质序列有其位置信息光谱有其频率分辨率晶体结构有其空间几何强行统一token化会稀释这些关键信息。因此S1-Omni选择在理解层面统一在输出层面专业化在两者之间保持清晰的信息传递接口。---三、训练数据的知识注入不只是让模型记数据而是让它懂科学训练一个这样的模型数据设计是关键。研究团队构建了S1-Omni-Corpus覆盖200个科学任务包含超过800万条经过筛选的科学推理和任务监督记录横跨化学、生物、材料、物理、医学影像等多个学科同时保留了通用文本和多模态任务以维持模型的通用能力。但数量不是最难的部分。真正的挑战在于如何让训练数据不仅教会模型这道题的答案是什么还能教会它为什么是这个答案以及从哪些科学证据可以推断出这个答案。研究团队为此设计了一套三阶段的数据构建流程核心思想是自然世界知识对齐。简单来说就是让科学规律和专家知识渗透进每一条训练样本的推理链条里。第一个阶段是数据基础准备包括去重、防止基准测试数据泄露、以及把原始数据转化为统一格式的科学任务实例。每条样本的格式包含用户指令、科学对象输入、文本目标推理链和回答以及领域原生监督目标关键是领域原生目标不会出现在推理文本里——模型的推理过程看不到正确答案这防止了模型靠提前知道答案来反向编造理由。第二个阶段是推理维度和证据关系的设计。针对不同科学任务研究团队定义了各自的证据维度。材料任务围绕组成、化学计量、局部配位和结构-性质关系来组织证据光谱任务同时考虑观测到的峰、缺失的峰以及跨谱一致性蛋白质任务关注序列保守性、残基局部几何和三维接触图像任务检查实体、空间关系、目标区域和编辑边界。推理链通过支持、排除和修正三种关系把证据连接到结论。第三个阶段是科学一致性验证。每条样本都要通过单位、量纲、索引格式、任务令牌和输出格式的检查还要验证证据和结论之间是否逻辑自洽以及领域原生目标有没有意外泄露到推理文本中。通过验证的样本才进入最终的训练集。---四、训练过程分两步走各司其职模型的训练分为两个阶段设计思路是先建大脑再练双手。第一阶段训练共享的视觉语言模型主干让它学会任务理解、科学推理、文本回答和任务令牌生成。训练目标是标准的自回归语言建模用交叉熵损失优化每个位置的预测概率。领域原生目标不参与这一阶段的损失计算它们被留给第二阶段使用。第一阶段结束后模型主干的参数被冻结进入第二阶段专门训练各个任务解码器。每个解码器从已冻结的主干中提取任务条件表示方式因任务不同而异属性任务用均值池化蛋白质位点任务用逐残基的Token级表示光谱任务用可学习注意力投影折叠任务用全局表示然后在各自的领域原生监督空间里优化。连续属性任务最小化与参考值的数值偏差分类和位点任务最小化类别或残基标签的预测误差分子生成和结构预测任务使用对应生成过程的结构或几何损失图像任务使用流匹配的潜在目标。各解码器独立训练不通过共享的跨任务加权目标相互干扰。这种两阶段设计有一个重要的实验支撑研究团队发现下游任务所需的科学信息在主干完成预填充即处理完输入的科学对象和任务指令之后就已经大部分存在于隐藏表示中不需要等到推理文本生成完毕才能提取。换句话说推理过程的价值主要是训练时塑造表示而不是推理时产生信息。这个发现对后续的解码器设计和特征提取方式有直接影响。---五、属性预测从材料晶体到药物分子一个模型管48个性质评测的第一个任务家族是属性预测——给定一个分子或晶体的结构预测它的某个物理、化学或生物医学性质。这类任务的难点在于不同性质背后的科学机理可能截然不同预测溶解度需要理解极性和氢键预测能带隙需要理解电子结构预测药物代谢稳定性需要理解酶学机制强行用一个模型处理所有这些以往被认为是非常困难的。研究团队在48个属性上做了系统测试覆盖材料10个JARVIS-DFT材料回归性质和2个Materials Project分类性质、量子化学4个COMPAS-1D性质和7个QM9性质以及分子/药物7个MoleculeNet任务和18个TDC ADMET终点。在最贴近药物研发需求的ADMET测试中S1-Omni在18个终点中的16个超过了GPT-5.5和Gemini-3.1-Pro在几个关键指标上还超越了专业模型。具体来说在CYP2C9底物识别衡量药物被某种代谢酶处理的可能性PRC-AUC从专业模型的0.414提升到0.697、CYP2C9抑制0.788提升到0.829、CYP2D6抑制0.704提升到0.882、CYP3A4底物0.654提升到0.665、hERG毒性0.848提升到0.873以及肠道吸收0.984提升到0.992上S1-Omni都超过了领域专业模型。这些任务都属于早期药物筛选的核心过滤指标意味着S1-Omni在辅助药物发现方面有相当实际的价值。量子化学属性方面S1-Omni在全部11个测试性质上超过了GPT-5.5和Gemini-3.1-Pro但与专注于分子三维结构的专业模型相比仍有差距——这个差距主要集中在需要精确三维构象信息的性质如极化率α和热容Cv背后的原因是专业模型经过了专门的三维预训练能更精确地捕捉分子的空间构型。材料性质预测上12个测试属性中至少有一个专业模型在每个属性上超过S1-Omni但S1-Omni在6个属性上超过了更强的通用闭源模型。这说明共享编码器确实能从CIF文件中形成有效的材料表示但对于需要精确捕捉原子邻域、长程周期关系和电子结构的高精度材料预测专业模型的归纳偏置仍然有不可忽视的价值。---六、推理监督的关键实验乱打一通等于没打研究团队做了一系列消融实验其中最具启发性的一个发现是推理文本的质量远比推理文本的存在更重要。在材料回归任务上他们对比了三种训练配置结构化、属性约束的推理要求模型系统分析晶格结构、组成、局部配位和对称性然后明确选择最相关的三到五个因素说明其方向、强度和相互关系、完全不包含推理文本只保留任务令牌、以及无约束的自由形式推理只给一个宽泛的请分析这个结构指令让教师模型自由发挥。结果出人意料结构化推理的材料平均绝对误差是17.26无推理文本的是20.46而自由形式推理的高达34.82——比完全不要推理文本还差。这意味着错误组织的推理文本不仅没有帮助反而会对训练产生干扰相当于给模型的学习信号里加入了噪声。原因在于自由形式推理的证据覆盖范围和分析顺序因样本而异这种不一致性让主干模型无法形成稳定的从证据到性质因素的映射关系。而结构化推理通过强制施加一致的分析框架减少了这种不一致性给主干模型提供了更清晰的学习信号。这个发现对训练科学推理模型有重要的实践意义不是加上推理就好而是要加上组织良好、与任务相关的推理。另一个发现是关于特征提取位置的。在属性预测任务上只用问题侧预填充表示即模型处理完输入的科学对象和任务指令后的隐藏状态做池化效果优于把生成的推理和回答也纳入池化范围——化学分类F1从0.773提升到0.822化学回归RMSE从1.663降到0.908材料MAD/MAE从0.899提升到1.454。这验证了一个核心假设科学任务所需的信息在模型读完题目之后就已经大部分编码完毕答案生成阶段的激活状态混入了语言组织和表达的信息反而稀释了纯粹的科学任务表示。---七、光谱到分子结构的重建从声纹反推人脸光谱到分子生成这个任务直觉上有点像看波形猜乐手——你只知道声音的频率分布要反推出弹奏者的样貌。具体来说S1-Omni要从红外、拉曼和紫外-可见光谱分别编码振动和电子跃迁信息反推出分子的二维图谱和三维构象。测试用的数据集是QM9S包含10万个小分子及其对应的三种模拟光谱。评测指标既包括精确结构匹配率Acc1要求整个二维图谱完全正确也包括图相似度、指纹相似度和功能团相似度等更宽容的度量。与专业光谱分子生成模型DiffSpectra相比S1-Omni在精确匹配率上从0.406提升到0.457图距离从1.327降到1.177Morgan Tanimoto相似度从0.788提升到0.823。在三维几何方面S1-Omni的键角误差从7.30×10??降到6.13×10??是所有对比模型中最低的说明其局部角度几何建模特别准确。在化学有效性方面S1-Omni生成的分子中同时满足有效、唯一、新颖三个条件VUN的比例为0.911高于DiffSpectra的0.900说明S1-Omni在避免生成已知分子重复输出的同时化学有效性并未下降。相比无条件分子生成基线JODO、BioMatrixS1-Omni的VUN提升幅度在0.13到0.17之间充分体现了光谱条件信息的约束价值。研究团队还做了一个有趣的探针实验在QM9S数据集上训练一个20标签的分子功能团预测器分别用不同方式从红外光谱的Token序列中提取表示看看哪种提取方式最能保留分子的结构信息。结果是基于可学习注意力的自适应聚合远超固定的全局池化策略精确匹配率从50%提升到73%。这说明功能团信息确实以分布式的方式存在于光谱的Token序列中静态的均值或最大值池化会损失大量细节而注意力机制能选择性地提取关键位置的信息。更有意思的是不同光谱模态的对比红外光谱的功能团预测Micro-F1为0.939拉曼为0.920紫外-可见光谱仅为0.749——这个排名与光谱的物理本质完全吻合振动光谱直接反映化学键的类型电子跃迁光谱反映的是更宏观的电子结构说明S1-Omni的统一表示框架在学习过程中保留了不同光谱模态各自的科学特性没有把它们压缩成无差别的通用光谱嵌入。---八、蛋白质功能位点预测精准定位按钮在哪里蛋白质功能位点预测这一大类任务本质上是要在一条氨基酸序列上标出哪些位置参与了特定的生物学功能——和哪些蛋白质互作、结合什么配体、被抗体识别还是自己识别抗原、结合DNA或RNA或者配位哪种金属离子。这类任务的难点在于正负样本极度不平衡大多数残基不是功能位点、不同任务的生物学逻辑差异显著以及正确答案往往依赖三维结构信息而纯序列信息不足。S1-Omni对所有这些子任务使用同一套残基级解码器通过任务描述告诉模型这是PPI位点预测还是这是金属离子配位预测和交叉注意力机制来区分不同任务的需求。这相当于同一个打分系统根据任务说明调整评分标准。在蛋白质-蛋白质相互作用PPI位点预测上S1-Omni的AUPR为0.666高于专业模型MPBind的0.540AUROC从0.830提升到0.859。在B细胞表位预测识别抗原表面被抗体识别的残基上S1-Omni的AUPR达到0.472比最强专业模型RoBep的0.268高出0.204F1分数从0.379提升到0.546。在小分子结合位点预测上AUROC从GraphBind的0.870提升到0.880精确率和召回率都有提升。金属离子配位位点预测是目前差距最大的任务S1-Omni的平均MCC为0.467而专业模型LABind达到0.655差距来自后者明确嵌入了金属离子特异性化学先验知识而S1-Omni主要依靠序列和语义信息对精细的配位化学规则捕捉不足。抗体旁位Paratope预测和DNA/RNA结合位点预测上S1-Omni优于两个通用语言模型基线但落后于相应专业模型主要原因是这些任务高度依赖三维结构信息和特定的空间互补性纯序列表示存在信息瓶颈。研究团队还系统测试了残基级解码方式的重要性把任务设计成让模型生成残基索引文本或用最后一个Token的隐藏状态做全局分类F1接近于零改成保留每个残基位置的独立表示做逐残基预测F1提升到约0.30再加上ESM2蛋白质语言模型的残基嵌入和任务上下文交叉注意力F1提升到0.536。这三步递进验证了一个简洁的结论蛋白质位点预测本质上是密集预测问题不是问答问题必须在每个序列位置上保留独立表示才能进行有效的位点标注。---九、蛋白质结构预测用语言模型的理解力辅助折叠蛋白质三维结构预测是一个已经有成熟专业模型AlphaFold2、ESMFold等的领域S1-Omni在这里的测试目标不是正面竞争而是回答一个更具体的问题固定折叠模型的几何解码器只改变输入给它的条件表示能否通过推理增强的语言模型表示来改善折叠质量测试用固定的SimpleFold-700M作为几何解码器比较两种输入条件无外部条件SimpleFold原始配置和S1-Omni推理条件表示用S1-VL联合编码蛋白质序列和任务指令经过推理监督训练后提取的预填充隐藏表示通过轻量级投影层输入到折叠解码器。结果是在平均TM-score上S1-Omni条件从0.828760提升到0.829126提升幅度约0.0004中位RMSD从2.630降到2.504改善了0.126。提升集中在全局拓扑和坐标对齐上局部几何指标lDDT、lDDT-Ca变化在0.002以内。这个提升幅度很小但方向一致且有对照组支撑。消融实验进一步确认了几个结论用真实的DSSP二级结构Oracle条件作为条件TM-score提升更大0.831 vs 0.829说明条件传递通道是有效的用预测的二级结构硬标签作为条件结果反而低于无条件基线说明条件的信息质量比条件的存在更关键同时更新投影层和扩散模块而非只更新投影层会导致所有指标下降说明轻量化的参数更新策略更适合把推理信息注入一个已经成熟的几何先验模型。这个实验的核心意义不在于提升幅度而在于验证了一个架构原则经过科学推理监督训练的语言模型表示可以通过轻量级接口为专业几何解码器提供有意义的补充信息两者之间不存在根本性的不兼容。这为后续把S1-Omni的推理能力与更大的折叠模型结合提供了基础概念验证。---十、科学图像生成与编辑懂科学的画家这一部分评测的是S1-Omni生成和编辑科学图像的能力包括从文字描述生成研究插图、机制示意图和技术流程图以及对输入图像执行分割、模态转换和超分辨率等编辑操作。在图像生成测试上S1-Omni在GenExam多学科科学插图由GPT-5评估语义准确性和逻辑一致性和TechImage-Bench生物、工程和通用技术图使用分层二元评分上超过了两个开源图像模型Qwen-Image和GLM-Image但落后于GPT-Image-2和Nano Banana 2。在文字渲染密集的CVTG-2K测试上S1-Omni得分80.39高于GPT-Image-2和Nano Banana 2但低于GLM-Image91.16。这表明S1-Omni在科学语义内容的组织上有优势但字符级别的渲染精度还有提升空间。在图像编辑测试上S1-Omni在5个基准中的4个取得了最好成绩。医学图像分割MSD的Dice分数达到0.850超过专业Swin UNETR模型的0.787岩石SEM图像分割cigRockSEM的F1为0.982超过专业U-Net的0.973CBCT到CT的医学图像转换SynthRAD2025PSNR达到47.87 dB比专业模型VBoussot高出13.09 dBMRI超分辨率IXIPSNR为26.72 dB超过专业模型CodeBrain的24.67 dB。只有病理染色转换BCI上专业模型Pyramid Pix2pix以0.78 dB的差距保持领先。研究团队还测试了先思考再生成think-before-generate模式对图像生成的影响。结果显示显式推理过程能显著改善复杂科学流程图的生成质量——当任务需要协调多个功能模块的位置、层次、连接方向和信息流时没有推理的版本往往遗漏关键结构或产生布局混乱而推理阶段的分解规划提供了清晰的视觉单元和它们之间的关系描述最终通过推理-扩散对齐机制注入图像解码器使得生成结果更完整、拓扑更清晰、层次更分明。---十一、面对真实世界的压力测试分布外预测有多难评测的最后一个维度是分布外OOD泛化即模型在训练时几乎没见过的极端标签值上的表现如何。研究团队使用了BOOM协议对每个量子化学性质把标签分布的低密度区域分配给OOD测试集其余部分随机划分为分布内ID测试集和训练集比较三个模型在ID和OOD上的RMSE以及从ID到OOD的误差放大比率。与等变图神经网络GotenNet和回归TransformerRT的对比揭示了几个值得关注的现象。GotenNet在依赖三维构象的性质极化率α、热容Cv、偶极矩μ、分子最大半径R?上ID和OOD的绝对误差都最低S1-Omni在轨道能量相关性质HOMO、LUMO、能带隙上的绝对误差最低。这种分工反映了归纳偏置的差异等变三维表示更擅长捕捉空间构象相关的性质而统一序列-图像表示对电子结构描述的量子化学性质有相对优势。RT出现了极端失效在极化率α和R?上OOD的RMSE分别爆炸到74345和25458是ID值的两万倍以上。研究团队把这归因于自回归数值解码的不稳定性——当目标值离开训练标签的主要支撑区域时逐字符生成数值的方式会产生无界的极端输出。S1-Omni和GotenNet都使用连续回归头没有出现这种数值爆炸。然而S1-Omni也有自己独特的OOD失效模式在HOMO、LUMO、能带隙和偶极矩上平均误差最低但尾部的R?相关性为负值。负的R?意味着在标签分布的极端区域模型的预测没有保留样本间的排序关系——低值被高估高值被低估预测向训练分布的中心收缩。这是典型的回归均值失效在平均误差看起来不错的时候可能完全掩盖这种结构性问题。研究团队指出这说明仅用平均OOD误差来评估分布外泛化是不够的保留尾部排序的能力体现在分箱R?上是更严苛也更实际的评估标准。---归根结底S1-Omni代表的是科学AI领域的一次体系化尝试不是在某个单点任务上刷新记录而是回答能不能在同一个统一模型里同时处理跨越化学、生物、材料和医学影像的科学任务并且输出在各自领域直接可用的结果这个更根本的问题。从60多个基准的系统评测来看这个问题的答案已经从不可能变成了在很多情况下可以在少数任务上接近专业模型在少数任务上仍有差距。这项研究最有价值的部分或许不是那些超越专业模型的数据点而是它揭示的若干规律组织良好的推理监督比推理文本的存在更重要问题侧的预填充表示比生成侧的激活状态更适合作为下游科学任务的特征来源残基级的密集解码对蛋白质位点预测是必要的不是充分的分布外泛化的失效模式因任务和表示类型而存在根本性差异无法用一个统一的数字来描述。当然研究团队也坦率地列出了当前的局限模型没有经过大规模科学预训练从已有视觉语言模型出发微调分子结构、蛋白质坐标和科学图像还不是由共享主干原生生成依赖各自的解码器任务覆盖的深度和跨任务迁移能力还远不充分长时程规划和工具使用也基本未被探索。研究团队已将S1-Omni的模型权重、代码和S1-Omni-Corpus-10K子集开源感兴趣的读者可以通过arXiv论文编号arXiv:2607.15686v1查阅完整技术细节并通过论文中给出的HuggingFace、ModelScope和GitHub地址获取模型资源。---**QA**Q1S1-Omni和AlphaFold这类专业蛋白质模型有什么区别AAlphaFold专门解决蛋白质结构预测这一个任务经过了针对蛋白质数据的专项设计和大规模预训练精度极高。S1-Omni则是一个通用科学推理模型蛋白质任务只是它负责的众多任务之一。S1-Omni在蛋白质折叠上的精度目前不及AlphaFold但它能在同一个模型里同时处理蛋白质、分子、材料和医学图像这是纯专业模型做不到的。Q2S1-Omni的训练数据是怎么保证不作弊的A研究团队在数据构建阶段就做了严格的防泄露处理所有基准测试的测试集样本及其近似重复项都在数据增强和推理蒸馏之前被过滤掉。此外每条样本的领域原生正确答案不出现在可见的推理文本里模型的推理链只能使用输入侧的科学对象和任务描述不能看到正确答案再反推。Q3S1-Omni预测药物ADMET性质的准确率能用于实际药物开发吗A在CYP酶底物识别、hERG心脏毒性和肠道吸收等核心指标上S1-Omni已经超过了现有专业模型说明其预测质量在某些重要终点上达到了实际参考价值的门槛。但ADMET预测通常作为大规模虚拟筛选的初步过滤手段而非最终决策依据。现实药物开发中还需要结合实验验证和更精细的计算模型。