Bilim insanları, genetik talimatları yorumlamak ve tasarlamak üzere tasarlanmış yeni bir makine öğrenme modeli olan Evo'yu yarattılar. Evo, genetik mutasyonların etkilerini öngörebilir ve yeni DNA dizileri üretebilir, ancak bunlar yaşayan organizmaların DNA'sına çok benzemez. November 15'te Science dergisinde yayımlanan bir çalışmaya göre, Evo ve benzeri modellerin daha fazla geliştirilmesiyle DNA ve RNA işlevlerinin çözümlenmesi ve hastalıklarla mücadele edilmesine yardımcı olabilir. Evo, OpenAI'ın GPT-4'ü veya Google'ın Gemini'sine benzer şekilde geniş veri kaynaklarıyla eğitilmiş büyük bir dil modeli (LLM)dir. Yaygın LLM'ler gibi kelimelere odaklanmak yerine, Evo milyonlarca mikrobun genomları üzerinde eğitilmiş, archaea, bakteri ve virüsleri dahil ederek, her DNA baz çiftini bir "kelime" olarak ele alır. Evo, DNA işlevlerini öngörmek veya yeni genetik materyaller oluşturmak için bu dizileri eğitim setiyle karşılaştırır. Önceki modeller genetik verileri analiz etmek için makine öğrenimini kullanmış olsa da, işlevsellikleri sınırlıydı veya maliyetliydiler. Ancak Evo, uzun dizileri işlemek için hızlı, yüksek çözünürlüklü bir model kullanır, genom ölçeğindeki desenleri analiz eder ve uzmanlaşmış modellerin gözden kaçırabileceği büyük ölçekli etkileşimleri tespit eder. Yazarlar, Evo'yu çeşitli görevlerle test ettiler.

Genetik mutasyonların protein yapıları üzerindeki etkilerini doğru bir şekilde tahmin etti ve laboratuvar testlerinde viral enfeksiyonlara karşı koruma sağlayan bir bileşen seti üretti. Evo ayrıca büyük DNA dizileri de oluşturdu, fakat bunlar yaşamı sürdüremezdi. Talimatlar mevcut DNA'ya benziyordu ancak doğal genomların detaylı doğruluğundan yoksundu, tıpkı anomali içeren, ekstra parmaklar gibi AI görüntülerine benzer. Bu gelişmelere rağmen, Evo mikrobial genomlarla sınırlıdır ve henüz insan DNA mutasyonlarındaki etkileri tahmin edemez. Araştırmacılar, bu tür modeller gelişirken yanlış kullanımı önlemek için güvenlik ve etik açıdan önemine dikkat çekerek, viral genom verilerini ökaryotik konaklardan bilerek eğitimlerine dahil etmemişlerdir. Yanlış kullanımın önlenmesi ve risklerin azaltılmasına yönelik stratejiler geliştirmek için bilim insanları, güvenlik uzmanları ve politika yapıcılar arasında iş birliğini savundular.