Сьогодні вчені представили те, що вони стверджують, є найбільшою моделлю штучного інтелекту (ШІ), призначеною для біологічних досліджень. Ця модель, навчена на 128 000 геномів, що представляють широкий спектр життя, від людей до одноклітинних бактерій і архей, здатна генерувати повні хромосоми та малі геноми з нуля. Вона також відмінно справляється з інтерпретацією існуючої ДНК, включаючи складні «некодуючі» варіанти генів, пов’язані з захворюваннями. Названа «ChatGPT для CRISPR», Evo-2 була спільно розроблена командами Інституту Арка та Стенфордського університету в Пало-Альто, Каліфорнія, разом із виробником чіпів NVIDIA. Доступ до моделі забезпечується через веб-інтерфейси, а вчені можуть завантажити безкоштовно доступний програмний код, дані та інші параметри, необхідні для відтворення моделі. Творці уявляють Evo-2 як універсальну платформу, яку дослідники можуть налаштувати під свої потреби. Під час прес-конференції щодо запуску Evo-2 Патрік Хсу, біоінженер в Інституті Арка та Університеті Каліфорнії, Берклі, висловив ентузіазм щодо того, як вчені та інженери можуть створити цей «магазин додатків» для біологічних інновацій. Реакції інших вчених підкреслюють їхню цікавість до моделі, деталі якої викладені в статті, доступній на веб-сайті Інституту Арка та поданій на сервер попередніх публікацій bioRxiv. Проте вони наголошують на необхідності незалежних оцінок перед формуванням остаточних суджень. «Нам потрібно буде подивитися, як вона працює у незалежних бенчмарках після того, як попередня версія стане доступною», — сказав Аншул Кундаже, комп'ютерний геноміст Стенфордського університету. Він наразі вражений інженерією, що лежить в основі моделі. Останніми роками дослідники створили дедалі більш розвинені «мови білків», такі як ESM-3, розроблені колишніми співробітниками Meta. Ці моделі, навчений на мільйонах білкових послідовностей, були важливими для прогнозування структур білків і розробки абсолютно нових білків, включаючи редатори генів і флуоресцентні молекули. ШІ запропонував безліч нових білків, але ефективність цих створень залишається відкритим питанням. На відміну від інших моделей, Evo-2 була навчена з використанням геномних даних, які включають як «кодуючі послідовності», відповідальні за виробництво білків, так і некодуючу ДНК, яка регулює активність генів.

Початкова версія Evo, випущена минулого року, була зосереджена на геномах 80 000 Procaryotic організмів, до яких відносяться бактерії, археї та їхні асоційовані віруси. Найновіша модель ґрунтується на наборі даних з 128 000 геномів з безлічі видів, включаючи людей, інших тварин і рослини, що представляє в цілому 9, 3 трильйона букв ДНК. Враховуючи обчислювальні вимоги обробки цих великих даних, Хсу стверджує, що Evo-2 є найбільшою моделлю біологічного ШІ, яка була випущена до сьогодні. Еукаріотичні геноми, як у організмів, що виходять за межі прокаріотів, зазвичай є більш складними і тривалими. Ці геноми містять переплетені послідовності кодуючих і некодуючих регіонів, при цьому регуляторна ДНК іноді розташована далеко від генів, на які вона впливає. Відповідно, Evo-2 була спроектована для розпізнавання шаблонів у послідовностях ДНК, які можуть бути віддалі до 1 мільйона пар основ. Щоб продемонструвати свою майстерність в інтерпретації складних геномів, Хсу та його колеги використали Evo-2 для аналізу раніше вивчених мутацій у гені BRCA1, що пов'язаний з раком молочної залози. Модель майже дотягнулася до продуктивності кращих моделей біо-ШІ в аналізі впливу мутацій у кодуючих регіонах, пов'язаних із захворюваннями, досягнувши «сучасного рівня для некодуючих мутацій». У майбутньому Evo-2 може допомогти у виявленні цих складних змін у геномах пацієнтів. Крім того, дослідники оцінили здатність моделі інтерпретувати різні характеристики складних геномів, у тому числі геном шершава мамонта. «Evo-2 є значним досягненням у розумінні регуляторної граматики ДНК», — зазначила Крістіна Теодоріс, комп'ютерний біолог в Інститутах Гладстона в Сан-Франциско, Каліфорнія.