研究人员提出了Nucleotide Transformer模型，通过预训练DNA序列，整合3202个人类基因组和850种物种的信息，能够在数据稀缺的情况下准确预测分子表型。该模型在基因组学应用中表现优异，微调成本低，适用于多种任务。研究表明，跨物种训练的模型在预测准确性上优于单一物种训练，未来可探索遗传变异的最佳采样方式。