शास्त्रज्ञांनी एक नवीन मशीन लर्निंग मॉडेल तयार केले आहे, ज्याचे नाव इव्हो आहे, जे अनुवांशिक सूचनांचे अर्थ लावण्यासाठी आणि डिझाइन करण्यासाठी तयार केले आहे. इव्हो अनुवांशिक उत्परिवर्तनांचा परिणाम अनुमानित करू शकते आणि नवीन डीएनए अनुक्रम निर्माण करू शकते, जरी हे सजीव जीवांच्या डीएनए प्रमाणे दिसत नाहीत. पुढील विकासासह, इव्हो आणि तत्सम मॉडेल्स डीएनए आणि आरएनए फंक्शन्स समजून घेण्यास आणि रोगांवर मात करण्यास मदत करू शकतात, नोव्हेंबर १५ ला सायन्समध्ये प्रकाशित झालेल्या एका अभ्यासानुसार. इव्हो एक मोठे भाषा मॉडेल (एलएलएम) आहे, ज्यात ओपनएआयचे जीपीटी-४ किंवा गूगलचे जेमिनी समाविष्ट आहे, ज्याचे प्रशिक्षण विस्तृत डाटावर आहे. सामान्य LLM प्रमाणे शब्दांवर लक्ष केंद्रित करण्याऐवजी, इव्हो लाखो सुक्ष्मजीवांच्या जीनोम्सवर, ज्यात आर्किया, बॅक्टेरिया आणि त्यांच्या विषाणूंचा समावेश आहे, प्रशिक्षित आहे, प्रत्येक डीएनए बेस जोडाला "शब्द" म्हणून समजतो. इव्हो हे अनुक्रम त्याच्या प्रशिक्षण सेटशी तुलना करून डीएनएच्या कार्यांचा अंदाज लावतो किंवा नवीन आनुवंशिक सामग्री निर्माण करतो. आधीच्या मॉडेल्सनी अनुवांशिक डेटाच्या विश्लेषणासाठी मशीन लर्निंगचा वापर केला होता, पण त्यामध्ये कार्यसाधना कमी होती किंवा ते महाग होते. मात्र, इव्हो एक जलद, उच्च-रिझॉल्यूशन मॉडेल वापरते, जे लांब अनुक्रम हाताळण्यासाठी सक्षम आहे, जीनोम-स्तरीय नमुने विश्लेषण करण्यासाठी आणि विशेष मॉडेल्स कदाचित दुर्लक्ष करणारे मोठ्या प्रमाणातील परस्परसंवाद शोधण्यासाठी. लेखकांनी विविध कार्यांसाठी इव्होची चाचणी घेतली.

त्याने अनुवांशिक उत्परिवर्तनांच्या परिणामाचा प्रोटीन संरचनेवर योग्य अंदाज लावला आणि लॅब चाचण्यांमध्ये विषाणू संक्रमणाविरुद्ध संरक्षण करणारे घटक तयार केले. इव्होने मोठ्या डीएनए अनुक्रम तयार केल्या, जरी ते जीवन टिकवू शकत नाहीत. त्या सूचनांनी विद्यमान डीएनएसारखी दिसणारी पण नैसर्गिक जीनोम्सच्या सखोल तपशीलाच्या अचूकतेचा अभाव होता, जसे की एआय प्रतिमांमध्ये अतिरिक्त बोटांसारख्या विसंगती असू शकतात. या प्रगतींनंतरही, इव्हो सूक्ष्मजीवांच्या जीनोमपुरती मर्यादित आहे आणि मानवी डीएनए उत्परिवर्तनांवर परिणामांचा अजून अंदाज लावू शकत नाही. संशोधकांनी सुरक्षितता आणि नैतिकतेच्या महत्त्वावर भर दिला आहे जेणेकरून अशा मॉडेल्स सुधारल्यास त्याचा दुरुपयोग होऊ नये, त्यांच्या प्रशिक्षणामध्ये युकॅरियोटिक होस्टमधील विषाणूंच्या जीनोम डेटाचा जाणीवपूर्वक समावेश टाळला. दुरुपयोग टाळण्यासाठी आणि जोखमींना कमी करण्यासाठी धोरणे विकसित करण्यासाठी शास्त्रज्ञ, सुरक्षा तज्ञ आणि धोरणकर्त्यांमध्ये सहकार्याचे आवाहन केले आहे.