Tänään tiedemiehet esittelivät sen, mitä he väittävät olevan suurin biologisen tutkimuksen suuntaan suunnattu tekoäly (AI) malli. Tämä malli, joka on koulutettu 128 000 genomilla, jotka edustavat laajaa elämän kirjoa, ihmisistä yksisoluisia bakteereita ja arkeoja, kykenee tuottamaan täysiä kromosomeja ja pieniä genomiita alusta alkaen. Se myös onnistuu erinomaisesti olemassa olevan DNA:n tulkinnassa, mukaan lukien haastavissa 'ei-koodaavissa' geenimuunnelmissa, jotka liittyvät sairauksiin. Evo-2:ta, jota kutsutaan "ChatGPT:ksi CRISPR:lle", on kehittänyt yhdessä Arc-instituutin ja Stanfordin yliopiston tiimien kanssa myös piirilevyvalmistaja NVIDIA. Saatavuus on taattu verkkoliittymien kautta, ja tutkijat voivat ladata vapaasti saatavilla olevaa ohjelmakoodia, dataa ja muita malleja varten tarvittavia parametreja. Luojat näkevät Evo-2:n monikäyttöisenä alustana, jota tutkijat voivat räätälöidä tarpeidensa mukaan. Evo-2:n lanseeraustilaisuudessa Patrick Hsu, bioteknikko Arc-instituutissa ja Kalifornian yliopistossa Berkeleyssä, ilmensi innostustaan siitä, miten tutkijat ja insinöörit voisivat rakentaa tämän "sovelluskaupan" biologiseen innovaatioon. Muiden tutkijoiden reaktiot korostavat heidän uteliaisuuttaan mallia kohtaan, joka on yksityiskohtaisesti kuvattu Arc-instituutin verkkosivustolla ja lähetetty bioRxiv-preprint-palvelimelle. He kuitenkin korostavat riippumattomien arviointien tarvetta ennen lopullisten päätelmien tekemistä. "Meidän on nähtävä, miten se toimii riippumattomissa vertailuissa sen jälkeen, kun esipainos on saatavilla", sanoi Anshul Kundaje, laskennallinen genomisti Stanfordin yliopistosta. Hän on tällä hetkellä vaikuttunut mallin taustalla olevasta insinöörityöstä. Viime vuosina tutkijat ovat kehittäneet yhä kehittyneempiä "proteiini-kielimalleja", kuten ESM-3, joita on kehittänyt entiset Meta-työntekijät. Nämä mallit, jotka on koulutettu miljoonilla proteiinisekvensseillä, ovat olleet ratkaisevia proteiinirakenteiden ennustamisessa ja täysin uusien proteiinien, mukaan lukien geenieditoreiden ja fluoresoivien molekyylien, suunnittelussa. Tekoäly on ehdottanut lukemattomia uusia proteiineja, mutta näiden luomusten tehokkuus on edelleen avoin kysymys. Ero muiden mallien välillä on, että Evo-2 on koulutettu genomidatan avulla, joka sisältää sekä "koodaavia sekvenssejä", jotka ovat vastuussa proteiinien tuotannosta, että ei-koodaavaa DNA:ta, joka säätelee geenitoimintaa.

Evo-mallin alkuperäinen versio, joka julkaistiin viime vuonna, keskittyi 80 000 prokaryoottisen organismi genomiin, mukaan lukien bakteerit, arkeot ja niiden liittyvät virukset. Uusin malli perustuu 128 000 genomiin monista lajeista, mukaan lukien ihmiset, muut eläimet ja kasvit, ja se kattaa yhteensä 9, 3 biljoonaa DNA-kirjainta. Hsun mukaan, ottaen huomioon tämän laajan datan käsittelyn laskennalliset vaatimukset, Evo-2 on suurin julkaistu biologinen AI-malli tähän asti. Eukaryoottiset genomit, joita löytyy prokaryoottien ulkopuolisista organismeista, ovat yleisesti monimutkaisempia ja pidempiä. Nämä genomit sisältävät sekoittuneita koodaus- ja ei-koodausalueita, ja säätelevä DNA sijaitsee joskus kaukana geeneistä, joihin se vaikuttaa. Tämän vuoksi Evo-2 on suunniteltu tunnistamaan DNA-sekvensseissä olevia kaavoja, jotka voivat olla jopa 1 miljoonan emäsparin päässä toisistaan. Näyttääkseen kykyjään monimutkaisten genomien tulkinnassa, Hsu ja hänen kollegansa käyttivät Evo-2:ta analysoimaan aikaisemmin tutkittuja mutaatioita BRCA1-geenissä, joka liittyy rintasyöpään. Malli melkein vastasi parhaiden bio-AI-mallien suorituskykyä analysoidessaan mutaatioiden vaikutusta sairauteen liittyvissä koodausalueissa, saavuttaen "huipputason ei-koodaaville mutaatioille". Tulevaisuudessa Evo-2 voisi auttaa tunnistamaan näitä monimutkaisia muutoksia potilaan genomiissa. Lisäksi tutkijat arvioivat mallin kykyä tulkita erilaisia piirteitä monimutkaisista genomista, mukaan lukien villisarvikuonon geeni. "Evo-2 merkitsee huomattavaa edistystä DNA-säännösten ymmärtämisessä", huomautti Christina Theodoris, laskennallinen biologian asiantuntija Gladstone-instituuteissa San Franciscossa, Kaliforniassa.