Czym jest Omnii-1? Model językowy genomu stojący za pierwszymi fagami zaprojektowanymi przez AI

20 października 2026 roku laboratorium AI Radical Numerics zaprezentowało Omnii-1, który firma określa mianem najbardziej zaawansowanego na świecie multimodalnego modelu językowego genomu. Główne twierdzenie jest uderzające: fagi zaprojektowane przez model zostały podane pacjentowi z infekcją oporną na antybiotyki. Niniejszy przewodnik wyjaśnia, czym Omnii-1 naprawdę jest, co robi model językowy genomu, jakie ma osiem zastosowań oraz jakie zastrzeżenia pomijają nagłówki prasowe.

Czym jest Omnii-1?

Omnii-1 to model językowy genomu: ta sama technologia transformerów, która stoi za dużymi modelami językowymi, lecz wytrenowana na danych biologicznych zamiast na ludzkich tekstach. Zamiast przewidywać następne słowo, uczy się wzorców w DNA, RNA, białkach i powiązanych sygnałach molekularnych.

Radical Numerics twierdzi, że Omnii-1 był wstępnie trenowany natywnie na 28 modalnościach biologicznych — obejmujących DNA, RNA, białka, dostępność chromatyny, wiązanie czynników transkrypcyjnych, modyfikacje histonów, metylację DNA, składanie pre-mRNA (splicing) oraz ekspresję genów, uwarunkowane typem komórki i tkanką (Radical Numerics). Po treningu na bilionach tokenów danych genetycznych i multiomicznych model uczy się jednej wspólnej reprezentacji, którą może dostosować do wielu różnych problemów biologicznych.

Firma została założona przez członków zespołu stojącego za Evo i Evo 2 — wcześniejszymi modelami genomu wykorzystanymi do zaprojektowania pierwszych genomów bakteriofagów stworzonych w całości przez AI (Business Wire via FinancialContent).

Dlaczego model „generalistyczny" ma znaczenie

Przez lata biologiczne AI budowano problem po problemie: osobne modele dla białek, regulacji genów, chorób genetycznych i projektowania molekularnego. Radical Numerics argumentuje, że to się zmienia — że jeden model ogólnego przeznaczenia może teraz przewyższać wyspecjalizowane modele w zadaniach, do których te modele zostały zbudowane, nawiązując do tego, jak ogólne LLM-y wyprzedziły wąskie systemy NLP.

Genom jest naturalną kotwicą dla tego podejścia. Służy zarówno jako wspólny punkt odniesienia dla biologii molekularnej, jak i jako zapis ukształtowany przez miliardy lat ewolucji — dlatego model zakorzeniony w DNA może łączyć ze sobą wiele sygnałów dalszego przetwarzania.

Osiem zastosowań

Radical Numerics wydało Omnii-1 wraz z ośmioma zastosowaniami, z których każde wywodzi się z tego samego modelu bazowego i zostało dostosowane poprzez trening pośredni lub trening końcowy. Kilka z raportowanych wyników:

• Omnii Genome. Ustanawia nowy stan wiedzy w benchmarkach ścieżki regulatorowej i efektów wariantów, wyprzedzając wyspecjalizowane modele takie jak AlphaGenome i Borzoi, według firmy.
• Omnii Phage. Ukierunkowane projektowanie fagów dla infekcji opornych na antybiotyki (patrz poniżej). Na losowo wyodrębnionych szczepach E. coli dwie najlepsze rekomendacje modelu obejmowały biologicznie aktywnego faga dla 92,1% kwalifikujących się szczepów.
• Omnii Genetics. Sklasyfikował wariant funkcjonalny w czterech najlepszych wyborach w 90% ocenianych wiarygodnych zestawów GWAS i zaproponował mechanizmy dla 153 sygnałów choroby Parkinsona.
• Omnii Diagnostics. Przewidział oparty na krwi biomarker nowotworowy (bezkomórkowy 5hmC), którego nigdy nie widział podczas wstępnego treningu, osiągając korelację Pearsona 0,854 dla efektów wariantów w ocenianej kohorcie.
• Omnii Defense. Podniósł czułość wykrywania białek związanych z patogennością z 78,6% do 95,8% po dodaniu do konwencjonalnego procesu przesiewowego.
• Omnii Rare Earths, Omnii Antibody i Omnii Cancer Vaccine uzupełniają zestaw, obejmując projektowanie białek do separacji metali, projektowanie przeciwciał i dobór celów szczepionkowych.

Wszystkie dane liczbowe pochodzą od Radical Numerics, zostały opublikowane w poście inauguracyjnym i nie zostały jeszcze niezależnie zreplikowane.

Kamień milowy fagów — i jego zastrzeżenia

Wynikiem napędzającym nagłówki jest przypadek fagów. Fagi to wirusy infekujące bakterie, a terapia fagowa jest obiecującą opcją, gdy antybiotyki zawodzą — jednak znalezienie faga celującego w konkretną infekcję pacjenta jest powolne i niepewne.

Radical Numerics wytrenowało Omnii-1 do projektowania żywotnych fagów, priorytetyzowania wariantów i przewidywania, które fagi pasują do których szczepów bakteryjnych. W tym, co firma nazywa pierwszym na świecie klinicznym zastosowaniem fagów zaprojektowanych przez AI, projekty Omnii-1 zostały podane pacjentowi z bakteryjną infekcją oporną na antybiotyki w ramach autoryzowanej, prowadzonej przez lekarza ścieżki stosowania współczującego (compassionate use) (opis Omnii Phage). W testach laboratoryjnych koktajl zawierający zaprojektowane warianty wyeliminował oporny izolat pacjenta in vitro przed podaniem.

Oto gdzie należy zachować trzeźwość oceny:

• To jeden pacjent. Radical Numerics twierdzi, że nie może ujawnić przebiegu klinicznego ani wyniku leczenia pacjenta, powołując się na prywatność — nie ma zatem żadnego zgłoszonego wyniku do oceny.
• To jest badanie eksperymentalne. Stosowanie współczujące pozwala pacjentom otrzymywać terapie poza badaniami klinicznymi, gdy nie istnieje żadna zatwierdzona opcja; nie jest to zatwierdzenie regulacyjne, a firma zaznacza, że obserwacje jednego pacjenta nie mogą ustalić ogólnego bezpieczeństwa ani skuteczności.
• Brak recenzji naukowej. Raport firmy nie przeszedł recenzji naukowej ani nie został opublikowany w czasopiśmie naukowym, a jej porównania benchmarkowe z AlphaGenome, Borzoi i innymi są samodzielnie raportowane i oczekują na niezależną replikację (NYT via GV Wire).

Reportaż Carla Zimmera dla The New York Times odnotował, że firma stwierdziła, iż badanie zostało autoryzowane przez FDA — co podkreśla, że to prawdziwa wiadomość, ale wiadomość o pierwszym kroku, a nie o sprawdzonej metodzie leczenia.

Jak w praktyce używa się modelu językowego genomu

Omnii-1 można używać podobnie jak LLM, ale dla biologii: zrekonstruować brakujący pomiar, ocenić jak wariant genetyczny zmienia funkcję lub wygenerować DNA o pożądanym profilu. Co istotne, to samo DNA może dawać różne przewidywania w zależności od dostarczonego kontekstu komórki lub tkanki — co jest bliższe temu, jak biologia faktycznie działa.

W przypadku projektowania fagów model edytuje wybrane regiony istniejącego genomu (takie jak włókno ogonowe wiążące receptor) z uwzględnieniem otaczającej sekwencji, dzięki czemu może zmienić celowanie na gospodarza bez niszczenia mechanizmu potrzebnego fagowi do replikacji.

Dlaczego to ma znaczenie dla twórców AI

Omnii-1 jest przykładem domenowym szerszego wzorca: jeden model ogólny, wiele wyspecjalizowanych przepływów pracy, każdy podłączony do własnych danych i pętli ewaluacyjnej. Niezależnie od tego, czy pracujesz w biologii, finansach czy oprogramowaniu, najtrudniejszą częścią rzadko jest model — to orkiestracja badań, źródeł i weryfikacji wokół niego.

Jeśli chcesz krytycznie czytać takie premiery, zapoznaj się z naszymi artykułami wyjaśniającymi na temat Periodic Neon, AI wytrenowanego w laboratorium do nauki i modelu Jev firmy TypeSafe AI.

Uruchom własny przepływ pracy badawczej z zespołem AI

Rozkładanie na czynniki pierwsze gęstej premiery takiej jak Omnii-1 — zbieranie pierwotnych źródeł, weryfikacja twierdzeń dotyczących benchmarków i oddzielanie wyników od szumu medialnego — to dokładnie ten rodzaj wieloetapowych badań, z którymi może sobie poradzić cyfrowa siła robocza AI. Eigent to open-source'owa aplikacja desktopowa „Cowork", w której zespół agentów czyta źródła, porównuje twierdzenia i sporządza podsumowanie lokalnie, a ty zatwierdzasz każdy krok. Skieruj je na przepływ pracy analizy konkurencji lub pobierz Eigent i zbuduj własne stanowisko badawcze.