耶路撒冷希伯来大学团队开发出核苷酸大语言模型BBERT，无需参考数据库即可从100bp短读段判断细菌分类域、编码潜力及阅读框，并直接翻译为氨基酸序列。测试中分类准确率达89.7%，优于BERTax、Tiara和REMME，处理速度最高约每秒4.6万条读段。用于宏基因组预过滤可提升功能注释与组装效率，减少错配和间隙，改善分箱质量，并在根瘤数据中显著缩短组装时间、降低内存占用。

香港浸会大学与英伟达合作开发了Deepurify工具，用于净化宏基因组组装基因组（MAG）。该工具通过多模态深度语言模型和对比学习，提升了MAG净化效果。在模拟和真实数据集上，Deepurify表现优于现有工具，显著增加了高质量MAG的数量，并在处理复杂生态系统时表现稳健。