Evo 1:stä Evo 2:een: Kuinka NVIDIA määritteli uudelleen genominen tutkimus ja AI-vetäiset biologiset innovaatiot

Kuvittele maailma, jossa voimme ennustaa elämän käyttäytymistä vain analysoimalla kirjaimien jonoa. Tämä ei ole tieteiskirjallisuutta tai taikamaailmaa, vaan todellista maailmaa, jossa tutkijat ovat pyrkineet saavuttamaan tämän tavoitteen vuosia. Nämä kirjaimet, jotka koostuvat neljästä nukleotidista (A, T, C ja G), sisältävät elämän perussäännöt maapallolla, pienimmästä mikro-organismista suurimpaan nisäkkäään. Näiden kirjaimien koodaaminen voi avata monimutkaiset biologiset prosessit, muuttaen aloja kuten henkilökohtainen lääketiede ja ympäristön kestävyys.

On kuitenkin huomattava, että vaikka tämä potentiaali on valtava, jopa yksinkertaisimpien mikrobien genomin koodaaminen on erittäin monimutkainen tehtävä. Nämä genomit koostuvat miljoonista DNA-emäsparista, jotka säätelevät DNA:n, RNA:n ja proteiinien välisiä vuorovaikutuksia – molekyylibiologian keskeisen dogman kolme avainelementtiä. Tämä monimutkaisuus on olemassa useilla tasoilla, yksittäisistä molekyyleistä koko genomeihin, luoden valtavan genetiikan tiedon alan, joka on kehittynyt miljardien vuosien ajan.

Perinteiset laskennalliset työkalut ovat kamppailleet biologisten sekvenssien monimutkaisuuden kanssa. Mutta generatiivisen AI:n nousun myötä on nyt mahdollista käsitellä triljoonia sekvenssejä ja ymmärtää monimutkaisia suhteita sekvenssien ja tokenien välillä. Tästä edistymisestä hyödyntäen tutkijat Arc-instituutissa, Stanfordin yliopistossa ja NVIDIA (NVDA ):lla ovat olleet kehittämässä AI-järjestelmää, joka voi ymmärtää biologisia sekvenssejä samalla tavalla kuin suuret kielen mallit ymmärtävät ihmisten kieltä. Nyt he ovat tehneet merkittävän läpimurron luomalla mallin, joka ottaa huomioon sekä keskeisen dogman monimodaalisen luonteen että evoluution monimutkaisuuden. Tämä innovaatio voi johtaa uusien biologisten sekvenssien ennustamiseen ja suunnitteluun, yksittäisistä molekyyleistä koko genomeihin. Tässä artikkelissa tarkastelemme, miten tämä teknologia toimii, sen potentiaaliset sovellukset, haasteet ja tulevaisuus genomin mallinnuksessa.

EVO 1: Edelläkävijämalli genomin mallinnuksessa

Tämä tutkimus herätti huomiota loppuvuonna 2024, kun NVIDIA ja sen yhteistyökumppanit esittivät Evo 1:n, uraauurtavan mallin biologisten sekvenssien analysointiin ja generointiin DNA:sta, RNA:sta ja proteiineista. Koulutettu 2,7 miljoonalla prokaryootilla ja faagigenomilla, yhteensä 300 miljardilla nukleotiditokilla, malli keskittyi molekyylibiologian keskeisen dogman integrointiin, mallintamalla genetiisen tiedon virtausta DNA:sta RNA:han ja proteiineihin. Sen StripedHyena-arkkitehtuuri, joka yhdisti konvoluutiofiltrit ja portit, käsitteli tehokkaasti pitkiä konteksteja, jopa 131 072 tokenia. Tämä suunnittelu mahdollisti Evo 1:lle yhdistää pienet sekvenssimuutokset laajempiin järjestelmänlaajuisiin ja organismokohtaisiin vaikutuksiin, siltaen molekyylibiologian ja evoluutio-genetiikan välistä kuilua.

Evo 1 oli ensimmäinen askel biologisen evoluution laskennallisessa mallinnuksessa. Se ennusti onnistuneesti molekulaaristen vuorovaikutusten ja geneettisten varianttien analysoimalla evoluutioon perustuvia sekvenssien muutoksia. Mutta kun tutkijat pyrkivät soveltamaan sitä monimutkaisempiin eukaryoottisiin genomeihin, mallin rajoitukset tulivat ilmi. Evo 1 kamppaili yksittäisen nukleotidin resoluution kanssa pitkissä DNA-sekvensseissä ja oli laskennallisesti kallista suuremmille genomeille. Nämä haasteet johtivat tarpeeseen kehittää edistyneempää mallia, joka voi integroida biologista dataa useilla tasoilla.

EVO 2: Perustavanlaatuinen malli genomin mallinnuksessa

Evo-1:stä oppimista hyödyntäen tutkijat lanseerasivat Evo 2:n helmikuussa 2025, edistäen biologisen sekvenssin mallinnuksen alaa. Koulutettu hämmästyttävällä 9,3 biljoonalla DNA-emäsparilla, malli on oppinut ymmärtämään ja ennustamaan geneettisen variantin toiminnalliset seuraukset kaikilla elämänaloilla, mukaan lukien bakteerit, arkeat, kasvit, sienet ja eläimet. Yli 40 miljardin parametrin kanssa Evo-2:n malli voi käsitellä ennennäkemättömän sekvenssin pituuden, jopa 1 miljoonan emäsparin, mitä aiemmat mallit, mukaan lukien Evo-1, eivät voineet hallita.

Mikä erottaa Evo 2 sen edeltäjistä, on sen kyky mallintaa ei vain DNA-sekvenssejä vaan myös DNA:n, RNA:n ja proteiinien välisiä vuorovaikutuksia – koko molekyylibiologian keskeinen dogma. Tämä mahdollistaa Evo 2:lle tarkasti ennustaa geneettisten mutaatioiden vaikutukset, pienimmistä nukleotidien muutoksista suurempiin rakenteellisiin variantteihin, tavalla joka oli aiemmin mahdoton.

Evo 2:n avainominaisuus on sen vahva nollasuuksen ennustuskyky, joka mahdollistaa sen ennustaa mutaatioiden toiminnallisia vaikutuksia ilman tehtävikohtaisen hienosäätelyn tarvetta. Esimerkiksi se luokittelee tarkasti kliinisesti merkittävät BRCA1-variantit, jotka ovat tärkeitä rintasyövän tutkimuksessa, analysoimalla vain DNA-sekvenssejä.

 Potentiaaliset sovellukset biologisissa tieteissä

Evo 2:n kyvyt avaavat uusia mahdollisuuksia genomiikassa, molekyylibiologiassa ja biotekniikassa. Jotkut lupaavimmista sovelluksista ovat:

• Terveys- ja lääkekehitys: Evo 2 voi ennustaa, mitkä geenisegmentit liittyvät tiettyihin sairauksiin, auttaen kohdennettujen hoitojen kehittämisessä. Esimerkiksi testit rintasyövän liittyvän BRCA1-geenin variantteja, Evo 2 saavutti yli 90 prosentin tarkin ennustuskyvyn, kun ennustettiin, mitkä mutaatiot ovat hyvinvointia edistäviä tai mahdollisesti patogeenisia. Tällaiset näkymät voivat kiihdyttää uusien lääkehoitojen ja henkilökohtaisten hoitotoimenpiteiden kehittämistä. ​
• Synteettinen biologia ja geenitekniikka: Evo 2:n kyky generoida koko genomeja avaa uusia mahdollisuuksia suunnitella syntetisiä organismeja, joilla on tiettyjä ominaisuuksia. Tutkijat voivat hyödyntää Evo 2:ta suunnitella geenejä, joilla on tiettyjä toimintoja, edistäen biopolttoaineiden, ympäristöystävällisten kemikaalien ja uusien lääkehoitojen kehittämistä.
• Maatalousbiotekniikka: Sitä voidaan käyttää suunnitella geenimuunneltuja kasveja, joilla on parannettuja ominaisuuksia, kuten kuivuudenkestävyys tai tuhohyönteisten torjunta, edistäen maailmanlaajuista ruokaturvallisuutta ja maatalouden kestävyyttä.
• Ympäristötiede: Evo 2 voidaan soveltaa suunnitella biopolttoaineita tai insinööriproteiineja, jotka hajoittavat ympäristössä olevia saasteita, kuten öljyä tai muovia, edistäen kestävän kehityksen pyrkimyksiä.​

Haasteet ja tulevaisuuden suunnat

Vaikka Evo 2 on vaikuttava, se kohtaa haasteita. Yksi avainhaaste on laskennallinen monimutkaisuus, joka liittyy mallin kouluttamiseen ja suorittamiseen. 1 miljoonan emäsparin kontekstilla ja 40 miljardin parametrin kanssa Evo 2 vaatii merkittäviä laskennallisia resursseja toimia tehokkaasti. Tämä tekee siitä haasteellista pienemmille tutkimusryhmille hyödyntää sen potentiaalia ilman pääsyä suorituskykyisiin laskennallisiin infrastruktuureihin.

Lisäksi, vaikka Evo 2 on erinomainen ennustamaan geneettisten mutaatioiden vaikutuksia, on edelleen paljon opittavaa siitä, miten sitä voidaan käyttää suunnittelemaan uusia biologisia järjestelmiä alusta alkaen. Realististen biologisten sekvenssien generointi on vain ensimmäinen askel; todellinen haaste piilee siinä, miten käyttää tätä valtaa luomaan toimivia, kestäviä biologisia järjestelmiä.

AI:n saatavuus ja demokratisointi genomiikassa

Yksi Evo 2:n jännittävimmistä puolista on sen avoin lähdekoodi. Demokratisoimaan edistyneiden genomin mallinnusvälineiden saatavuutta NVIDIA on julkaissut mallin parametreja, koulutuskoodeja ja tietoja vapaasti saataville. Tämä avoimen pääsyn lähestymistapa mahdollistaa tutkijoille ympäri maailmaa tutkia ja laajentaa Evo 2:n kykyjä, kiihdyttäen innovaatioita tieteellisessä yhteisössä.

Lopputulos

Evo 2 on merkittävä edistysaskel genomin mallinnuksessa, joka hyödyntää AI:ta elämän genetiikan kielen koodaamiseen. Sen kyky mallintaa DNA-sekvenssejä ja niiden vuorovaikutuksia RNA:n ja proteiinien kanssa avaa uusia mahdollisuuksia terveydenhuollossa, lääkekehityksessä, synteettisessä biologiassa ja ympäristötieteessä. Evo 2 voi ennustaa geneettisiä mutaatioita ja suunnitella uusia biologisia sekvenssejä, tarjoten muuntavan potentiaalin henkilökohtaisessa lääketieteessä ja kestävissä ratkaisuissa. Mutta sen laskennallinen monimutkaisuus esittää haasteita, erityisesti pienemmille tutkimusryhmille. Tekemällä Evo 2 avoimeksi, NVIDIA mahdollistaa tutkijoille maailmanlaajuisesti tutkia ja laajentaa sen kykyjä, ajamalla innovaatiota genomiikassa ja biotekniikassa. Kun teknologia jatkaa kehittymistään, se tarjoaa mahdollisuuksia muuttaa biologisen tieteen ja ympäristön kestävän kehityksen tulevaisuutta.