আজ বিজ্ঞানীরা প্রকাশ করে what they claim to be the largest artificial intelligence (AI) model aimed at biological research. ಈ ಮಾದರಿ, 128, 000 ಜೀವ ರೂಪಗಳು ಹೊಂದಿರುವ ಆಯ್ಕೆ ಬಗ್ಗೆ ತರಬೇತಿ ನೀಡಲಾಗಿದೆ, ಇದು ಮಾನವರಿಂದ ಪ್ರಾರಂಭವಾಗಿ ಏಕಕೋಶದ ಬ್ಯಾಕ್ಟೀರಿಯಾ ಮತ್ತು ಆರ್ಕಿಯಾ ಕೂಡುವುದನ್ನು ಹೊಂದಿದೆ, ಇದು ಶ್ರೇಣಿಗಳನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ನಿರ್ಮಿಸಲು ಮತ್ತು ಪುಟ್ಟ ಜೀನ್‌ಗಳನ್ನು ಶೂನ್ಯದಿಂದ ಸೃಷ್ಟಿಸಲು ಶ್ರೇಷ್ಠವಾಗಿದೆ. ಇದು ಬಾಹ್ಯತೆಯಿಲ್ಲದ 'ನಾನ್-ಕೊಡಿಂಗ್' ಜೀನ್ ವೈವಿಧ್ಯಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ DNA ಅನ್ನು ವಿವರಿಸಲು ಸಹ ಉತ್ಕೃಷ್ಟವಾಗಿದೆ, الأمراض associado. ‘ChatGPT for CRISPR’ ಎಂದು ಪರಿಚಿತರಾಗಿರುವ ઇવો-2 ಅನ್ನು Arc Institute ಮತ್ತು Stanford University ಮಾರ್ಗदರ್ಶನದಲ್ಲಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ, ಸೇರಿ ಚಿಪ್ ತಯಾರಕರ NVIDIA. ವೆಬ್ ಇಂಟರ್ಫೇಸ್‌ಗಳ ಮೂಲಕ ಅಕ್ಸೆಸ್ ನೀಡಲ್ಪಡುತ್ತದೆ, ಮತ್ತು ವಿಜ್ಞಾನಿಗಳು ಉಚಿತವಾಗಿ ಲಭ್ಯವಿರುವ ಸಾಫ್ಟ್‌ವೇರ್ ಕೋಡ್, ಡೇಟಾ ಮತ್ತು ಮಾದರಿ ಪುನರಾವೃತ್ತಕ್ಕಾಗಿ ಅಗತ್ಯವಿರುವ ಇತರ ಪಾರಾಮಿಟರ್‌ಗಳನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡಬಹುದು. ಮಾರ್ಪಟ್ಟವರು, Evo-2 ಅನ್ನು ಸಂಶೋಧಕರಿಗೆ ತಮ್ಮ ಅಗತ್ಯಗಳಿಗೆ ಅನುಕೂಲಕರವಗಿಸಲು ರೂಪುಗೊಳಿಸುವ ವ್ಯಾಪಕ ವೇದಿಕೆಯಾಗಿರುವುದು ಕನಸು ಮಾಡಿದವರು. Evo-2 ಬಿಡುಗಡೆಗೆ ಮುಂಚಿನ ಪತ್ರಿಕಾಗೋಷ್ಠಿಯ ಉಲ್ಲೇಖಿಸಿದಂತೆ, Arc Institute ಮತ್ತು California, Berkeley ವಿಶ್ವವಿದ್ಯಾಲಯದ ಬಾಯೋಎಂಜಿನಿಯರ್ ಪ್ಯಾಟ್‌ರಿಕ್ ಹ್ಸು, ವಿಜ್ಞಾನಿಗಳು ಮತ್ತು ಇಂಜಿನಿಯರ್‌ಗಳು ಹೇಗೆ ಈ 'ಆಪ್ ಸ್ಟೋರ್' ಅನ್ನು ಜೀವ ಸಂಬಂಧಿತ ನಾವೀನ್ಯತೆಗಾಗಿ ನಿರ್ಮಿಸುತ್ತಾರೆ ಎಂಬುದಕ್ಕೆ ಉಲ್ಲೇಖಿಸಿದರು. ಇತರ ವಿಜ್ಞಾನಿಗಳ ಪ್ರತಿಕ್ರಿಯೆಗಳು ಮಾದರಿಯ ಕುರಿತು ಅವರ ಕುತೂಹಲವನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುತ್ತವೆ, ಇದು Arc Institute ವೆಬ್‌ಸೈಟ್ನಲ್ಲಿ ಲಭ್ಯವಿರುವ ಮತ್ತು bioRxiv ಪ್ರಿಂಟ್ ಸರ್ವರ್‌ಗೆ ಸಲ್ಲಿಸಲಾದ ಕಾಗದದಲ್ಲಿ ವಿವರಿಸಲಾಗಿದೆ. ಆದರೆ, ಅಂತಿಮ ತೀರ್ಮಾನಗಳನ್ನು ರೂಪಿಸಿಕೊಂಡೆ ಮುನ್ನ ಸ್ವಾಯತ್ತ ಅಂದಾಜುಗಳ ಅಗತ್ಯವನ್ನು ಅವರು ಒತ್ತಿಸುತ್ತಿದ್ದಾರೆ. “ನಾವು ಮುಂಚಿನ ಪ್ರಕಟಣೆಯ ನಂತರ ಸ್ವಾಯತ್ತ ಬೆಂಚ್ಮಾರ್ಕ್‌ಗಳಲ್ಲಿ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ನೋಡಬೇಕಾಗಿದೆ” ಎಂದು ಸ್ಟ್ಯಾಂಫೋರ್ಡ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಗಣಿತ ಶಾಸ್ತ್ರಜ್ಞ ಅಂಶುಲ್ cuಂಡಜ್ ಹೇಳಿದರು. ಅವರು ಇದೀಗ ಮಾದರಿಯ ಕುರಿತಂತೆ ಚೆನ್ನಾಗಿ ಪರಿಣಾಮಕಾರಿ ಇಂಜಿನಿಯರಿಂಗ್ನಿಂದ متاثرರಾಗಿದ್ದಾರೆ. ಕಳೆದ ಕೆಲವು ವರ್ಷಗಳಲ್ಲಿ, ಸಂಶೋಧಕರು ESM-3 ಎಂಬಂತೆ ಆರಂಭಿಸಿರುವ 'ಪ್ರೋಟಿನ್ ಭಾಷಾ ಮಾದರಿಗಳು' ಅನ್ನು ಬಲಪಡಿಸಿದ್ದಾರೆ, ಇದು ಹಿಂದಿನ ಮೆಟಾ ಉದ್ಯೋಗಿಗಳಿಂದ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಯಿತು. ಈ ಮಾದರಿಗಳನ್ನು ಮಿಲಿಯೋನ್‌ಗಣೇಶ ಪ್ರಮೇಯಗಳ ಮೇಲೆ ತರಬೇತಿ ನೀಡಲಾಗಿದೆ, ಇದು ಪ್ರೋಟಿನ್ ರಚನೆಗಳನ್ನು ಊಹಿಸಲು ಮತ್ತು ಸಂಪೂರ್ಣವಾಗಿ ಹೊಸ ಪ್ರೋಟಿನ್‌ಗಳನ್ನು ಡಿಸೈನರ್ ಮಾಡಲು ಅನಿವಾರ್ಯವಾಗಿದೆ, ಇವುಗಳಲ್ಲಿ ಜೀನ್ ಎಡಿಟರ್‌ಗಳು ಮತ್ತು ನಿಷ್ಕ್ರಿಯ ಶ್ರೇಣಿಗಳು ಸೇರಿದ್ದಾರೆ. AI ಹೊಸ ಪ್ರೋಟಿನ್‌ಗಳ ವೈಭವವನ್ನು ಪ್ರಸ್ತಾಪಿಸುತ್ತಿದೆ, ಆದರೆ ಈ ನಿರ್ವಾಣಗಳ ಪ್ರಭಾವಿತೆಯನ್ನು ನನಸು ಮಾಡಲು ಆ ಪ್ರಶ್ನೆ ಓಪನ್ ಇದೆ. ಇತರ ಮಾದರಿಗಳಿಗೆ ವಿರುದ್ಧವಾಗಿ, Evo-2 ಅನ್ನು ಪ್ರೋಟಿನ್ ಉತ್ಪಾದನೆಗೆ ಸಂಬಂಧಿಸಿದ 'ಕೋಡಿಂಗ್ ಕ್ರಮಗಳು' ಮತ್ತು ಜೀನ್ ಚಟುವಟಿಕೆ ನಿಯಂತ್ರಿಸಲು ಪ್ರಯೋಜನ ನೀಡುವ ನಾನ್-ಕೋಡಿಂಗ್ DNA ಅನ್ನು ಒಳಗೊಂಡ ಜೀನೆಗಳ ಮಾಹಿತಿಯನ್ನು ಬಳಸಿಕೊಂಡು ತರಬೇತಿಯನ್ನು ನೀಡಲಾಗಿದೆ. Evo-ನ ಮೊದಲಾದ ಆವೃತ್ತಿ, ಕಳೆದ ವರ್ಷ ಬಿಡುಗಡೆಯಾಯಿತು, 80, 000 ಪ್ರೋಕಾರ್ಯೋದಳಿತ ಜೀವಾಂಶಗಳ ಜೀನುಗಳನ್ನು ಗಮನಿಸಿದಾಗಿದೆಯಾದರೂ ಬಾಕ್ಟೀರಿಯಾ, ಆರ್ಕಿಯಾ ಮತ್ತು ಇವುಗಳ ಸಂಬಂಧಿತ ವೈರಸ್ಸುಗಳನ್ನು ಒಳಗೊಂಡಿತ್ತು. ಹೆಚ್ಚಿನ ಮಾದರಿಯು 128, 000 ಜೀವ ಮಂಡಲದ ತಂತ್ರಾಂಶವನ್ನು ವಿಸ್ತಾರಗೊಳಿಸುತ್ತದೆ, ಇದರಲ್ಲಿ ಮಾನವ, ಇತರ ಕಾಳಗಗಳು ಮತ್ತು ಸಸ್ಯಗಳು ಸೇರಿವೆ, ಒಟ್ಟಾರೆ 9. 3 ಜಿ.

ಡಿಎನ್. ಎ ಅಕ್ಷರಗಳ ಸಂಖ್ಯೆಯನ್ನು ಹೊಂದಿವೆ. ಈ ವ್ಯಾಪ್ತಿಯ ಮಾಹಿತಿಯನ್ನು ಈ ಪ್ರಮಾಣದ ಸಂಪಣೆಯ ಬೇಡಿಕೆಗಳನ್ನು ತಂಪುಗೊಳ್ಳುತ್ತದೆ, Hsu ಹೇಳುತ್ತಾರೆ, Evo-2 ಈ ತನಕ ಬಿಡುಗಡೆಯಾದ ಅತ್ಯಂತ ದೊಡ್ಡ ಜೀವಶಾಸ್ತ್ರ AI ಮಾದರಿಯಾಗಿದೆ. ಯುಕಾರಿಯೋಟ್ ಜೀನೋಂಗಳು ಪ್ರೋಕಾರಿಯೋಟ್‌ಗಳನ್ನು ಪೂರೈಸುವ ಜೀವಿಗಳಿಗೆ ಸಮಾನ್ಯವಾಗಿ ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಮತ್ತು ದೀರ್ಘವಾಗಿವೆ. ಈ ಜೀನುಗಳಲ್ಲಿ ಕೋಡಿಂಗ್ ಮತ್ತು ನಾನ್-ಕೋಡಿಂಗ್ ಪ್ರದೇಶಗಳ ಮಧ್ಯೆ ಮಾನ್ಯವಾದ ಕ್ರಮಗಳನ್ನು ಹೊಂದಿವೆ, ನಿಯಂತ್ರಕ DNA ಯು ಕೆಲವು ಬಾರಿ ಪ್ರಭಾವಿತ ಗುಣಗಳಿಗೆ ದೂರದಲ್ಲಿರಬಹುದು. ಆದಕಾರಣ, Evo-2 1 ಮಿಲಿಯನ್ ಬೇಸ್ಪೇರ್‌ಗಳ ಅಂತರದಲ್ಲಿ DNA ಕ್ರಮಗಳ ಮಾದರಿಗಳನ್ನು ಗುರುತಿಸಲು ರೂಪಿಸಲಾಗಿದೆ. ಜಟಿಲ ಜೀನೋಮ್‌ಗಳನ್ನು ವಿವರಿಸಲು ತನ್ನ ಶಕ್ತಿಯನ್ನು ತೋರಿಸಲು, Hsu ಮತ್ತು ಅವರ ಸಹೋದ್ಯೋಗಿಗಳು Evo-2 ಅನ್ನು ಬೆಳಕಿನ ಕ್ಯಾನ್ಸರ್‌ಗೆ ಸಂಬಂಧಿಸಿದ BRCA1 ಜೀನ್‌ನಲ್ಲಿ ಮನೆಯ ಮುಂದೆ ಅಧ್ಯಯನ ಮಾಡಿದ ಪರಿವರ್ತನೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಬಳಸಿದರು. ಈ ಮಾದರಿ ಆಸ್ಪತ್ರೆಗಳಲ್ಲಿ ಬಿಹಾರ AI ಮಾದರಿಗಳ ಉತ್ತಮ ಕಾರ್ಯಕ್ಷಮತೆಯೊಂದಿಗೆ ಶ್ರೇಣೀಬದ್ಧತರಾದಂತೆ ಇದ್ದುವು, ಮಾರ್ಪಡಿಸಿದ ಪರಿವಾರ್ತನೆಗಳಲ್ಲಿ ನಾನ್-ಕೋಡಿಂಗ್ ಪರಿಕರಗಳಲ್ಲಿ "ರಾಜ್ಯ ಶ್ರೇಣಿಗೆ" ಹೊಂದುತ್ತಿದೆ. ಮುಂದಿನ ದಿನಗಳಲ್ಲಿ, Evo-2 ಗರ್ಭಿಣಿ ಜೀನೋಮ್‌ನಲ್ಲಿ ಈ ಜಟಿಲ ಬದಲಾವಣೆಗಳನ್ನು ಗುರುತಿಸಲು ಸಹಾಯ ಮಾಡಬಹುದು. ಹಾಗೂ ವಿಜ್ಞಾನಿಗಳು ಜಟಿಲ ಜೀನೋಮ್‌ಗಳ ವಿವಿಧ ಲಕ್ಷಣಗಳನ್ನು ವಿವರಿಸಲು ಮಾದರಿಯ ಸಾಮರ್ಥ್ಯದನ್ನೂ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದರು, ಒಳಗೊಂಡಂತೆ ಉಲ್ಗುಣಾ ಉಲ್ಮಾಢಂಗ. “Evo-2 DNA ನಿಯಂತ್ರಕ ವ್ಯಾಕರಣವನ್ನು ಅರ್ಥಗರ್ಭಿತವಾದ ನವೀನತೆಯಾಗಿ ಪ್ರದರ್ಶಿಸುತ್ತದೆ” ಎಂದು Gladstone Institutes, California, San Francisco ನಲ್ಲಿ computational biologist ಕ್ರಿಸ್ತಿನ ತಿಯೋಡೋರಿ ಹೇಳಿದ್ದಾರೆ.