Wissenschaftler haben ein neues maschinelles Lernmodell namens Evo entwickelt, das darauf ausgelegt ist, genetische Anweisungen zu interpretieren und zu entwerfen. Evo kann die Auswirkungen genetischer Mutationen vorhersagen und neue DNA-Sequenzen erzeugen, die jedoch nicht eng mit der DNA lebender Organismen übereinstimmen. Laut einer am 15. November in Science veröffentlichten Studie könnten Evo und ähnliche Modelle mit weiterer Entwicklung dabei helfen, die Funktionen von DNA und RNA zu entschlüsseln und Krankheiten zu bekämpfen. Evo ist ein großes Sprachmodell (LLM), ähnlich wie GPT-4 von OpenAI oder Gemini von Google, das auf umfangreichen Datenquellen trainiert wurde. Anstatt sich wie gewöhnliche LLMs auf Wörter zu konzentrieren, ist Evo auf die Genome von Millionen von Mikroben, einschließlich Archaeen, Bakterien und deren Viren, trainiert und behandelt jedes DNA-Basenpaar als „Wort“. Evo vergleicht diese Sequenzen mit seinem Trainingssatz, um DNA-Funktionen vorherzusagen oder neues genetisches Material zu schaffen. Während frühere Modelle maschinelles Lernen zur Analyse genetischer Daten einsetzten, waren sie in ihrer Funktion begrenzt oder kostspielig. Evo hingegen verwendet ein schnelles, hochauflösendes Modell, um lange Sequenzen zu verarbeiten, was die Analyse von genomweiten Mustern und die Erkennung großflächiger Interaktionen ermöglicht, die spezialisierte Modelle übersehen könnten. Die Autoren testeten Evo in verschiedenen Aufgaben.

Es sagte genau die Auswirkungen genetischer Mutationen auf Proteinstrukturen voraus und generierte eine Reihe von Komponenten, die in Labortests gegen Virusinfektionen schützten. Evo erzeugte auch große DNA-Sequenzen, obwohl diese kein Leben aufrechterhalten würden. Die Anweisungen ähnelten bestehender DNA, enthielten jedoch nicht die detaillierte Genauigkeit natürlicher Genome, vergleichbar mit KI-Bildern mit Anomalien wie zusätzlichen Fingern. Trotz dieser Fortschritte ist Evo auf mikrobielle Genome beschränkt und kann noch nicht die Auswirkungen auf menschliche DNA-Mutationen vorhersagen. Die Forscher betonten die Bedeutung von Sicherheit und Ethik, um Missbrauch zu verhindern, da sich solche Modelle verbessern. Sie schlossen absichtlich virale Genomdaten von eukaryotischen Wirten aus ihrem Training aus. Sie riefen zur Zusammenarbeit zwischen Wissenschaftlern, Sicherheitsexperten und Politikern auf, um Missbrauch zu vermeiden und Strategien zur Risikominderung zu entwickeln.