Astăzi, oamenii de știință au dezvăluit ceea ce ei susțin că este cel mai mare model de inteligență artificială (AI) destinat cercetării biologice. Acest model, antrenat pe 128. 000 de genomuri care reprezintă o gamă largă de forme de viață, de la oameni la bacterii și arhae unicelulare, are capacitatea de a genera cromozomi compleți și genomuri mici de la zero. De asemenea, excelează în interpretarea ADN-ului existent, inclusiv a variantelor genice „non-codificatoare” asociate cu boli. Numit „ChatGPT pentru CRISPR”, Evo-2 a fost co-dezvoltat de echipe de la Arc Institute și Universitatea Stanford din Palo Alto, California, împreună cu producătorul de cipuri NVIDIA. Accesibilitatea este asigurată prin interfețe web, iar oamenii de știință pot descărca codul software disponibil gratuit, datele și alți parametri necesari pentru replicarea modelului. Creatorii își imaginează Evo-2 ca o platformă versatilă pentru cercetători, pe care să o personalizeze în funcție de nevoile lor. În timpul unei conferințe de presă privind lansarea Evo-2, Patrick Hsu, bioinginer la Arc Institute și Universitatea din California, Berkeley, a exprimat entuziasmul cu privire la modul în care oamenii de știință și inginerii ar putea construi acest „magazin de aplicații” pentru inovații biologice. Reacțiile altor oameni de știință subliniază curiozitatea lor în legătură cu modelul, care este detaliat într-un articol disponibil pe site-ul Arc Institute și trimis serverului de preprinturi bioRxiv. Cu toate acestea, ei subliniază necesitatea evaluărilor independente înainte de a forma judecăți definitive. „Va trebui să vedem cum se descurcă în evaluări independente după ce preprintul devine disponibil”, a spus Anshul Kundaje, genomicist computațional la Universitatea Stanford. El este în prezent impresionat de ingineria din spatele modelului. În ultimii ani, cercetătorii au creat modele de „limbaj al proteinelor” din ce în ce mai avansate, cum ar fi ESM-3, dezvoltat de foști angajați ai Meta. Aceste modele, antrenate pe milioane de secvențe de proteine, au fost esențiale în prezicerea structurilor proteinelor și proiectarea unor proteine complet noi, inclusiv editori genetici și molecule fluorescente. AI a propus o multitudine de proteine noi, dar eficiența acestor creații rămâne o întrebare deschisă. Spre deosebire de alte modele, Evo-2 a fost antrenat folosind date genice care includ atât „secvențe codificatoare”, responsabil pentru producerea proteinelor, cât și ADN non-codificator care reglează activitatea genelor.

Versiunea inițială a Evo, lansată anul trecut, s-a concentrat pe genomurile a 80. 000 de organisme procariote, care includ bacterii, arhae și virusurile acestora. Cel mai nou model se bazează pe un set de date de 128. 000 de genomuri dintr-o multitudine de specii, inclusiv oameni, alte animale și plante, reprezentând un total de 9, 3 trilionuri de litere ADN. Având în vedere cerințele computaționale ale procesării acestor date extinse, Hsu afirmă că Evo-2 este cel mai mare model de AI biologic lansat până în prezent. Genomurile eucariote, așa cum se găsesc în organismele dincolo de procariote, sunt, în general, mai complicate și mai lungi. Aceste genomuri includ secvențe amestecate de regiuni codificatoare și non-codificatoare, cu ADN regulator uneori situat departe de genele pe care le influențează. În consecință, Evo-2 a fost proiectat pentru a recunoaște modele în secvențele ADN care pot fi distanțate cu până la 1 milion de perechi de baze. Pentru a-și demonstra abilitatea de a interpreta genomuri complexe, Hsu și colegii săi au utilizat Evo-2 pentru a analiza mutațiile studiate anterior în gena BRCA1, asociată cu cancerul de sân. Modelul a aproape atins performanțele celor mai bune modele bio-AI în analiza impactului mutațiilor în regiunile codificatoare legate de boli, atingând „cel mai avansat nivel pentru mutațiile non-codificatoare”. În viitor, Evo-2 ar putea ajuta la identificarea acestor schimbări complexe în genomurile pacienților. În plus, cercetătorii au evaluat capacitatea modelului de a interpreta diverse trăsături ale genomurilor intricate, inclusiv cel al mamutului lânos. “Evo-2 reprezintă un avans considerabil în înțelegerea gramaticii reglatorii ADN, ” a observat Christina Theodoris, biolog computațional la Gladstone Institutes în San Francisco, California.