Вчені створили нову модель машинного навчання під назвою Evo, призначену для інтерпретації та проектування генетичних інструкцій. Evo може передбачати наслідки генетичних мутацій і генерувати нові послідовності ДНК, хоча вони не зовсім схожі на ДНК живих організмів. З подальшим розвитком Evo та подібні моделі можуть допомогти розшифрувати функції ДНК та РНК і боротися з хворобами, згідно з дослідженням, опублікованим 15 листопада у Science. Evo є великою мовною моделлю (LLM), подібною до GPT-4 від OpenAI або Gemini від Google, що навчалася на великих джерелах даних. Замість зосередження на словах, як звичайні LLM, Evo навчалася на геномах мільйонів мікроорганізмів, включаючи археї, бактерії та їхні віруси, трактуючи кожну пару основ ДНК як "слово". Evo порівнює ці послідовності з навчальним набором для прогнозування функцій ДНК або створення нових генетичних матеріалів. Хоча попередні моделі використовували машинне навчання для аналізу генетичних даних, вони були обмежені у функціоналі або дорогі. Проте Evo використовує швидку, високоточну модель для обробки довгих послідовностей, аналізуючи геномні шаблони та виявляючи великомасштабні взаємодії, які спеціалізовані моделі можуть пропускати. Автори випробували Evo на різних завданнях.

Модель точно передбачила вплив генетичних мутацій на структури білків і згенерувала набір компонентів, що захищали від вірусних інфекцій у лабораторних тестах. Evo також створила великі послідовності ДНК, хоча вони не могли б підтримувати життя. Інструкції нагадували існуючу ДНК, але їм бракувало детальної точності природних геномів, як у зображеннях, створених штучним інтелектом, з аномаліями на кшталт зайвих пальців. Незважаючи на ці досягнення, Evo обмежується геномами мікроорганізмів і наразі не може передбачати наслідки мутацій ДНК людини. Дослідники підкреслили важливість безпеки та етики, щоб запобігти неправильному використанню моделей, коли вони покращуються, цілеспрямовано виключивши вірусні геномні дані з еукаріотичних хазяїв з їх навчання. Вони закликали до співпраці між науковцями, експертами з безпеки та політиками, щоб уникнути зловживань і розробити стратегії зменшення ризиків.