Ngayon, inihayag ng mga siyentipiko ang kanila umanong pinakamalaking artificial intelligence (AI) model na nakatuon sa pananaliksik sa biyolohiya. Ang modelong ito, na sinanay sa 128, 000 genome na kumakatawan sa malawak na saklaw ng buhay, mula sa tao hanggang sa mga single-celled na bakterya at archaea, ay may kakayahang lumikha ng buong chromosome at maliliit na genome mula sa simula. Ito rin ay mahusay sa pag-interpret ng umiiral na DNA, kabilang ang mahihirap na ‘non-coding’ gene variants na nauugnay sa mga sakit. Tinaguriang ‘ChatGPT para sa CRISPR, ’ ang Evo-2 ay co-developed ng mga koponan sa Arc Institute at Stanford University sa Palo Alto, California, kasama ang tagagawa ng chip na NVIDIA. Ang aksesibilidad ay ibinibigay sa pamamagitan ng mga web interface, at maaaring i-download ng mga siyentipiko ang libreng software code, data, at ibang parameters na kinakailangan para sa pag-uulit ng model. Ipinapangarap ng mga creator ang Evo-2 bilang isang versatile platform para sa mga mananaliksik na maaaring i-customize ayon sa kanilang pangangailangan. Sa isang press briefing tungkol sa paglulunsad ng Evo-2, ipahayag ni Patrick Hsu, isang bioengineer sa Arc Institute at University of California, Berkeley, ang kanyang kasabikan tungkol sa kung paano maaaring bumuo ang mga siyentipiko at inhinyero ng ‘app store’ para sa inobasyong biyolohikal. Ang mga reaksyon mula sa ibang mga siyentipiko ay nag-highlight ng kanilang pagk curiosidad tungkol sa modelo, na detalyado sa isang papel na makikita sa website ng Arc Institute at isinumite sa bioRxiv preprint server. Gayunpaman, binigyang-diin nila ang pangangailangan para sa mga independiyenteng pagsusuri bago magbuo ng mga tiyak na paghuhusga. “Kailangan naming makita kung paano ito gaganap sa mga independiyenteng benchmarks pagkatapos maging available ang preprint, ” sabi ni Anshul Kundaje, isang computational genomicist sa Stanford University. Kasalukuyan siyang humanga sa inhenyeriya sa likod ng modelo. Sa mga nakaraang taon, ang mga mananaliksik ay lumikha ng mga mas advanced na ‘protein language models’ tulad ng ESM-3, na binuo ng mga dating empleyado ng Meta. Ang mga modelong ito, na sanay sa milyon-milyong protein sequences, ay naging mahalaga sa pagpredikta ng mga estruktura ng protina at pagdidisenyo ng ganap na mga bagong protina, kabilang ang mga gene editors at fluorescent molecules. AI ang nagmungkahi ng napakaraming bagong protina, ngunit ang bisa ng mga nilikhang ito ay nananatiling bukas na tanong. Sa kaibahan sa ibang mga model, ang Evo-2 ay sinanay gamit ang genomic data na kinabibilangan ng parehong ‘coding sequences, ’ na responsable para sa paggawa ng mga protina, at non-coding DNA na nagre-regulate ng aktibidad ng gene.

Ang paunang bersyon ng Evo, na inilabas noong nakaraang taon, ay nakatuon sa mga genome ng 80, 000 prokaryotic organisms, na kinabibilangan ng bakterya, archaea, at kanilang mga kaugnay na virus. Ang pinakabagong modelo ay nagbuo sa isang dataset ng 128, 000 genome mula sa napakaraming uri, kabilang ang mga tao, iba pang mga hayop, at mga halaman, na kumakatawan sa kabuuan ng 9. 3 trillion DNA letters. Isinasaalang-alang ang mga pangangailangang computational ng pagproseso ng napakalaking data na ito, sinabi ni Hsu na ang Evo-2 ay itinuturing na pinakamalaking biological AI model na inilabas hanggang sa kasalukuyan. Ang mga eukaryotic genomes, tulad ng matatagpuan sa mga organism na higit sa mga prokaryotes, ay karaniwang mas kumplikado at mas mahaba. Ang mga genome na ito ay naglalaman ng magkahalong mga sequence ng coding at non-coding regions, na ang regulatory DNA ay kung minsan ay matatagpuan sa malayo mula sa mga gene na kanilang naaapektuhan. Kaya naman, ang Evo-2 ay dinisenyo upang kilalanin ang mga pattern sa DNA sequences na maaaring umabot ng 1 milyong base pairs ang layo. Upang ipakita ang kakayahan nito sa pag-interpret ng mga kumplikadong genome, ginamit nina Hsu at ng kanyang mga kasamahan ang Evo-2 upang suriin ang mga naunang pinag-aralang mutations sa BRCA1 gene, na nauugnay sa kanser sa suso. Halos umabot ang pagganap ng modelo sa pinakamahusay na mga bio-AI models sa pagsusuri ng epekto ng mga mutations sa coding regions na nauugnay sa mga sakit, na nakakamit ng “state of the art para sa non-coding mutations. ” Sa hinaharap, maaaring makatulong ang Evo-2 sa pagtukoy ng mga kumplikadong pagbabago sa genome ng mga pasyente. Karagdagan pa, sinuri ng mga mananaliksik ang kakayahan ng modelo na i-interpret ang iba't ibang katangian ng masalimuot na mga genome, kabilang ang ng woolly mammoth. “Ang Evo-2 ay nagmamarka ng makabuluhang pag-unlad sa pag-unawa sa grammatical regulatory ng DNA, ” naging pahayag ni Christina Theodoris, isang computational biologist sa Gladstone Institutes sa San Francisco, California.