Los científicos han creado un nuevo modelo de aprendizaje automático llamado Evo, diseñado para interpretar y diseñar instrucciones genéticas. Evo puede anticipar los efectos de las mutaciones genéticas y generar nuevas secuencias de ADN, aunque estas no se asemejan estrechamente al ADN de los organismos vivos. Con un mayor desarrollo, Evo y modelos similares podrían ayudar a descifrar las funciones del ADN y del ARN y combatir enfermedades, según un estudio publicado el 15 de noviembre en Science. Evo es un modelo de lenguaje grande (LLM), similar a GPT-4 de OpenAI o Gemini de Google, entrenado con amplias fuentes de datos. En lugar de enfocarse en palabras como los LLM comunes, Evo se entrena con los genomas de millones de microbios, incluidos arqueas, bacterias y sus virus, tratando cada par de bases de ADN como una "palabra". Evo compara estas secuencias con su conjunto de entrenamiento para predecir funciones de ADN o crear nuevos materiales genéticos. Aunque los modelos anteriores usaban aprendizaje automático para analizar datos genéticos, eran limitados en función o costosos. Sin embargo, Evo emplea un modelo rápido y de alta resolución para manejar largas secuencias, analizando patrones a escala genómica y detectando interacciones a gran escala que modelos especializados podrían pasar por alto. Los autores probaron a Evo en varias tareas.

Predijo con precisión el impacto de las mutaciones genéticas en las estructuras de proteínas y generó un conjunto de componentes que protegían contra infecciones virales en pruebas de laboratorio. Evo también creó grandes secuencias de ADN, aunque no sustentarían la vida. Las instrucciones se asemejaban al ADN existente, pero carecían de la precisión detallada de los genomas naturales, comparable a las imágenes de IA con anomalías como dedos extra. A pesar de estos avances, Evo está limitado a los genomas microbianos y aún no puede predecir los efectos de las mutaciones en el ADN humano. Los investigadores enfatizaron la importancia de la seguridad y la ética para prevenir el mal uso a medida que estos modelos mejoran, excluyendo deliberadamente datos del genoma viral de huéspedes eucariotas en su entrenamiento. Hicieron un llamado a la colaboración entre científicos, expertos en seguridad y responsables políticos para evitar el mal uso y desarrollar estrategias para mitigar riesgos.