Hari ini, para ilmuwan memperkenalkan apa yang mereka klaim sebagai model kecerdasan buatan (AI) terbesar yang ditujukan untuk penelitian biologi. Model ini, yang dilatih pada 128. 000 genom yang mewakili berbagai bentuk kehidupan, dari manusia hingga bakteri dan archaea bersel satu, memiliki kemampuan untuk menghasilkan kromosom lengkap dan genom kecil dari awal. Model ini juga unggul dalam menginterpretasikan DNA yang ada, termasuk varian gen ‘non-koding’ yang terkait dengan penyakit yang sulit diidentifikasi. Dikenal sebagai ‘ChatGPT untuk CRISPR, ’ Evo-2 dikembangkan secara bersama oleh tim di Arc Institute dan Universitas Stanford di Palo Alto, California, bersama dengan produsen chip NVIDIA. Aksesibilitas disediakan melalui antarmuka web, dan para ilmuwan dapat mengunduh kode perangkat lunak, data, dan parameter lain yang diperlukan untuk replikasi model secara gratis. Para pencipta membayangkan Evo-2 sebagai platform serbaguna bagi peneliti untuk disesuaikan dengan kebutuhan mereka. Dalam sebuah sesi konferensi pers tentang peluncuran Evo-2, Patrick Hsu, seorang bioengineer di Arc Institute dan Universitas California, Berkeley, menyatakan antusiasme tentang bagaimana para ilmuwan dan insinyur dapat membangun ‘toko aplikasi’ ini untuk inovasi biologi. Reaksi dari ilmuwan lain menyoroti rasa ingin tahu mereka tentang model ini, yang dijelaskan dalam sebuah makalah yang tersedia di situs web Arc Institute dan telah diserahkan ke server preprint bioRxiv. Namun, mereka menekankan perlunya evaluasi independen sebelum membuat penilaian definitif. “Kami perlu melihat bagaimana model ini bekerja di dalam tolok ukur independen setelah preprint tersedia, ” kata Anshul Kundaje, seorang genomis komputasi di Universitas Stanford. Saat ini, dia terkesan dengan rekayasa di balik model ini. Dalam beberapa tahun terakhir, para peneliti telah menciptakan berbagai model ‘bahasa protein’ yang semakin maju seperti ESM-3, yang dikembangkan oleh mantan karyawan Meta. Model-model ini, yang dilatih pada jutaan urutan protein, telah berperan penting dalam memprediksi struktur protein dan merancang protein baru secara keseluruhan, termasuk editor gen dan molekul fluoresen. AI telah mengusulkan banyak protein baru, tetapi efektivitas ciptaan ini masih menjadi pertanyaan terbuka. Berbeda dengan model lainnya, Evo-2 dilatih menggunakan data genomik yang mencakup ‘urutan pengkodean, ’ yang bertanggung jawab untuk memproduksi protein, dan DNA non-koding yang mengatur aktivitas gen.

Versi awal Evo, yang dirilis tahun lalu, berfokus pada genom 80. 000 organisme prokarion, yang mencakup bakteri, archaea, dan virus terkait. Model terbaru ini dibangun di atas dataset 128. 000 genom dari berbagai spesies, termasuk manusia, hewan lainnya, dan tumbuhan, yang mewakili total 9, 3 triliun huruf DNA. Mengingat tuntutan komputasi dari pemrosesan data yang luas ini, Hsu menyatakan bahwa Evo-2 merupakan model AI biologi terbesar yang dirilis hingga saat ini. Genom eukaryotik, seperti yang ditemukan pada organisme di luar prokariota, umumnya lebih rumit dan lebih panjang. Genom ini memiliki urutan yang saling bercampur antara daerah pengkodean dan non-pengkodean, dengan DNA pengatur yang kadang-kadang terletak jauh dari gen yang dipengaruhinya. Akibatnya, Evo-2 dirancang untuk mengenali pola dalam urutan DNA yang mungkin terpisah hingga 1 juta pasangan basa. Untuk menunjukkan kemampuannya dalam menginterpretasikan genom kompleks, Hsu dan rekan-rekannya menggunakan Evo-2 untuk menganalisis mutasi yang telah dipelajari sebelumnya dalam gen BRCA1, yang terkait dengan kanker payudara. Model ini hampir menyamai kinerja model bio-AI terbaik dalam menganalisis dampak mutasi di daerah pengkodean yang terkait dengan penyakit, mencapai “standar tertinggi untuk mutasi non-koding. ” Di masa depan, Evo-2 dapat membantu dalam mengidentifikasi perubahan kompleks ini dalam genom pasien. Selain itu, para peneliti mengevaluasi kemampuan model ini dalam menginterpretasikan berbagai fitur genom yang rumit, termasuk genom mamut berbulu. “Evo-2 menandakan kemajuan yang signifikan dalam memahami tata bahasa pengaturan DNA, ” kata Christina Theodoris, seorang biolog komputasi di Gladstone Institutes di San Francisco, California.