课程介绍
自然语言大模型早已超出NLP研究领域，正在成为AI for science的基石。生物信息学中的基因序列，则是和自然语言最类似的，把大模型应用于生物序列研究，就成了最近一两年的热门研究方向，特别是2024年预测蛋白质结构的alphaFold获得诺贝尔化学奖，更是为生物学的研究指明了未来的方向。
但对大多数从事生物学研究的工作者而言，大模型又非常陌生。事实上，在2023年之前，GPT等大模型还是NLP领域研究的小众课题，只是因为chatgpt的爆发，才进入公众视野。
而大部生物学+大模型的研究，也都是2023年之后的工作，但领域跨度过大，这些论文一般都是大公司、大团队协作的产物，大部分研究者要学习或者重现这些工作，困难重重，我们在很多top论文的github issue中，都能感受到这一点。
一方面，言必称大模型几乎是生物学研究确定的未来，另一方面，众多生物学研究者却在大模型的门槛前徘徊不前。如何在这个门槛前加一道梯子，就成了该领域一个迫切的需求。
DNAGTP2就是这样的梯子，仅望能抛砖引玉，让更多的生物学工作者能够越过大模型的门槛，戴上大模型的翅膀，卷过同行。
github：https://huggingface.co/dnagpt/dnagpt2
