Danas su naučnici predstavili ono što tvrde da je najveći model umjetne inteligencije (AI) usmjeren na biološka istraživanja. Ovaj model, obučen na 128. 000 genoma koji predstavljaju širok spektar života, od ljudi do jednostaničnih bakterija i arhea, ima sposobnost generisanja punih hromosoma i malih genoma od nule. Također se odlično snalazi u tumačenju postojećeg DNK, uključujući izazovne ‘ne-kodirajuće’ gen varijante povezane s bolestima. Nazvan ‘ChatGPT za CRISPR’, Evo-2 su zajednički razvili timovi sa Arc Instituta i Univerziteta Stanford u Palo Altu, Kalifornija, zajedno s proizvođačem čipova NVIDIA. Pristup se omogućava putem web sučelja, a naučnici mogu preuzeti besplatno dostupni softverski kod, podatke i druge parametre potrebne za replikaciju modela. Kreatori vide Evo-2 kao svestranu platformu koju istraživači mogu prilagoditi svojim potrebama. Tokom press brifinga povodom lansiranja Evo-2, Patrick Hsu, bioinžinjer sa Arc Instituta i Univerziteta Kalifornija, Berkeley, izrazio je uzbuđenje zbog mogućnosti kako bi naučnici i inženjeri mogli izgraditi ovu 'aplikacionu trgovinu' za biološke inovacije. Reakcije drugih naučnika ukazuju na njihovu znatiželju u vezi s modelom, koji je detaljno opisan u radu dostupan na web stranici Arc Instituta i podnijet bioRxiv preprint serveru. Međutim, naglašavaju potrebu za nezavisnim evaluacijama prije nego što donesu konačne presude. “Trebat ćemo vidjeti kako se model ponaša u nezavisnim benchmark testovima nakon što preprint postane dostupan”, rekao je Anshul Kundaje, kompjuterski genomičar na Univerzitetu Stanford. Trenutno je impresioniran inženjeringom iza modela. U posljednjim godinama, istraživači su stvorili sve naprednije ‘jezičke modele proteina’ poput ESM-3, razvijenog od strane bivših zaposlenika Meta. Ovi modeli, obučeni na milionima sekvenci proteina, bili su ključni u predikciji struktura proteina i dizajniranju potpuno novih proteina, uključujući editore gena i fluorescentne molekule. AI je predložio mnoštvo novih proteina, ali efikasnost ovih kreacija ostaje otvoreno pitanje. Za razliku od drugih modela, Evo-2 je obučen koristeći genetske podatke koji uključuju i ‘kodirajuće sekvence’, odgovorne za proizvodnju proteina, i ne-kodirajući DNK koji reguliše aktivnost gena.

Početna verzija Evo, objavljena prošle godine, fokusirala se na gene 80. 000 prokariotskih organizama, uključujući bakterije, arheu i njihove povezane viruse. Najnoviji model se oslanja na skup podataka od 128. 000 genoma raznih vrsta, uključujući ljude, druge životinje i biljke, predstavljajući ukupno 9, 3 triliona DNK slova. Uzimajući u obzir računarske zahtjeve obrade ovih opsežnih podataka, Hsu navodi da Evo-2 predstavlja najveći biološki AI model koji je dosad objavljen. Eukariotski genomi, kao što se nalaze u organizmima izvan prokariota, obično su složeniji i duži. Ovi genomi sadrže isprepletane sekvence kodirajućih i ne-kodirajućih regija, s regulatornim DNK koji se ponekad nalazi daleko od gena koje utiču. Posljedično, Evo-2 je dizajniran da prepoznaje obrasce u DNK sekvencama koje mogu biti udaljene i do 1 milion baznih pari. Da bi pokazali svoju sposobnost u tumačenju složenih genoma, Hsu i njegovi kolege koristili su Evo-2 za analizu prethodno proučavanih mutacija u BRCA1 genu, povezanom s rakom dojke. Model se gotovo izjednačio s performansama najboljih bio-AI modela u analizi uticaja mutacija u kodirajućim regijama povezanim s bolestima, postigavši “najbolje rezultate za ne-kodirajuće mutacije. ” U budućnosti, Evo-2 bi mogao pomoći u identifikaciji ovih složenih promjena u genomima pacijenata. Pored toga, istraživači su procijenili sposobnost modela da tumači različite karakteristike složenih genoma, uključujući onaj vunastog mamuta. “Evo-2 označava značajan napredak u razumijevanju DNK regulatorne gramatike, ” primijetila je Christina Theodoris, kompjuterska biologinja u Gladstone Institutima u San Franciscu, Kalifornija.