Od Evo 1 do Evo 2: Jak NVIDIA zmienia badania genetyczne i innowacje biologiczne napędzane przez sztuczną inteligencję

Wyobraź sobie świat, w którym możemy przewidywać zachowanie życia, analizując sekwencję liter. Nie jest to science fiction ani magiczny świat, ale rzeczywisty świat, w którym naukowcy od lat starają się osiągnąć ten cel. Te sekwencje, składające się z czterech nukleotydów (A, T, C i G), zawierają podstawowe instrukcje dla życia na Ziemi, od najmniejszych mikrobów do największych ssaków. Odszyfrowywanie tych sekwencji ma potencjał odblokować złożone procesy biologiczne, przekształcając dziedziny takie jak medycyna personalizowana i zrównoważony rozwój środowiska.

Jednakże, pomimo tego ogromnego potencjału, odszyfrowywanie nawet najprostszych genomów mikrobiologicznych jest niezwykle złożonym zadaniem. Te genomy składają się z milionów par zasad DNA, które regulują interakcje między DNA, RNA i białkami – trzema kluczowymi elementami w centralnym dogmacie biologii molekularnej. Ta złożoność istnieje na wielu poziomach, od pojedynczych molekuł do całych genomów, tworząc ogromne pole informacji genetycznej, które ewoluowało przez miliardy lat.

Tradycyjne narzędzia komputacyjne miały trudności z radzeniem sobie z złożonością sekwencji biologicznych. Ale z pojawieniem się generatywnej sztucznej inteligencji, jest teraz możliwe skalowanie ponad biliony sekwencji i zrozumienie złożonych relacji między sekwencjami tokenów. Budując na tym postępie, naukowcy z Instytutu Arc, Uniwersytetu Stanforda i NVIDIA (NVDA ) pracowali nad budową systemu sztucznej inteligencji, który może zrozumieć sekwencje biologiczne jak duże modele językowe zrozumieją tekst ludzki. Teraz, dokonali przełomowego odkrycia, tworząc model, który ujmuje zarówno wielomodalną naturę centralnego dogmatu, jak i złożoności ewolucji. To innowacja może prowadzić do przewidywania i projektowania nowych sekwencji biologicznych, od pojedynczych molekuł do całych genomów. W tym artykule, będziemy eksplorować, jak ta technologia działa, jej potencjalne zastosowania, wyzwania, które stwarza, i przyszłość modelowania genetycznego.

EVO 1: Pionierski model w modelowaniu genetycznym

To badanie zyskało uwagę pod koniec 2024 roku, kiedy NVIDIA i jego współpracownicy wprowadzili Evo 1, przełomowy model do analizy i generowania sekwencji biologicznych w DNA, RNA i białkach. Uczony na 2,7 milionach genomów prokariotycznych i fagowych, w sumie 300 miliardów tokenów nukleotydowych, model koncentrował się na integracji centralnego dogmatu biologii molekularnej, modelując przepływ informacji genetycznej z DNA do RNA do białek. Jego architektura StripedHyena, hybrydowy model wykorzystujący filtry konwolucyjne i bramki, efektywnie radził sobie z długimi kontekstami do 131 072 tokenów. Ten projekt pozwolił Evo 1 na połączenie małych zmian sekwencji z szerszymi efektami systemowymi i organizmowymi, mostkiem między biologią molekularną a genomiką ewolucyjną.

Evo 1 był pierwszym krokiem w modelowaniu komputacyjnym ewolucji biologicznej. Pomyślnie przewidział interakcje molekularne i zmiany genetyczne, analizując wzorce ewolucyjne w sekwencjach genetycznych. Jednak, gdy naukowcy starali się zastosować go do bardziej złożonych genomów eukariotycznych, ograniczenia modelu stały się jasne. Evo 1 miał trudności z rozdzielczością jednego nukleotydu na długich sekwencjach DNA i był komputacyjnie kosztowny dla większych genomów. Te wyzwania doprowadziły do potrzeby bardziej zaawansowanego modelu, który mógłby integrować dane biologiczne na różnych poziomach.

EVO 2: Podstawowy model dla modelowania genetycznego

Budując na doświadczeniach z Evo-1, naukowcy uruchomili Evo 2 w lutym 2025 roku, rozwijając dziedzinę modelowania sekwencji biologicznych. Uczony na imponujących 9,3 bilionach par zasad DNA, model nauczył się rozumieć i przewidywać funkcjonalne konsekwencje zmian genetycznych we wszystkich dziedzinach życia, w tym bakterii, archeów, roślin, grzybów i zwierząt. Z ponad 40 miliardami parametrów, model Evo-2 może radzić sobie z nieprzewidzianą długością sekwencji do 1 miliona par zasad, coś, co poprzednie modele, w tym Evo-1, nie mogły zrobić.

To, co wyróżnia Evo 2 spośród jego poprzedników, to jego zdolność do modelowania nie tylko sekwencji DNA, ale także interakcji między DNA, RNA i białkami – cały centralny dogmat biologii molekularnej. To pozwala Evo 2 na dokładne przewidywanie wpływu mutacji genetycznych, od najmniejszych zmian nukleotydowych do większych wariantów strukturalnych, w sposób, który był wcześniej niemożliwy.

Kluczową cechą Evo 2 jest jego silna zdolność do przewidywania zero-shot, która umożliwia mu przewidywanie funkcjonalnych efektów mutacji bez wymogu task-specyficznego fine-tuning. Na przykład, dokładnie klasyfikuje klinicznie istotne warianty BRCA1, czynnik krytyczny w badaniach raka piersi, analizując samą sekwencję DNA.

 Potencjalne zastosowania w naukach biomolekularnych

Możliwości Evo 2 otwierają nowe granice w genomice, biologii molekularnej i biotechnologii. Niektóre z najbardziej obiecujących zastosowań to:

• Ochrona zdrowia i odkrywanie leków: Evo 2 może przewidywać, które warianty genów są związane z konkretnymi chorobami, ułatwiając rozwój ukierunkowanych terapii. Na przykład, w testach z wariantami genu związanego z rakiem piersi BRCA1, Evo 2 osiągnął ponad 90% dokładności w przewidywaniu, które mutacje są łagodne a które potencjalnie patogeniczne. Taka wiedza mogłaby przyspieszyć rozwój nowych leków i terapii personalizowanych. ​
• Synteza biologiczna i inżynieria genetyczna: Możliwość Evo 2 do generowania całych genomów otwiera nowe możliwości w projektowaniu syntetycznych organizmów z pożądanymi cechami. Naukowcy mogą wykorzystać Evo 2 do inżynierii genów o określonych funkcjach, rozwijając rozwój biofueli, substancji chemicznych przyjaznych dla środowiska i nowych terapii.
• Biotechnologia rolnicza: Może być stosowany do projektowania genetycznie modyfikowanych roślin z udoskonalonymi cechami, takimi jak odporność na suszę lub odporność na szkodniki, przyczyniając się do globalnego bezpieczeństwa żywnościowego i zrównoważonego rolnictwa.
• Nauka o środowisku: Evo 2 może być stosowany do projektowania biofueli lub inżynierii białek, które rozkładają zanieczyszczenia środowiska, takie jak olej lub plastik, przyczyniając się do wysiłków na rzecz zrównoważonego rozwoju.​

Wyzwania i przyszłe kierunki

Pomimo swoich imponujących możliwości, Evo 2 staje przed wyzwaniami. Jednym z kluczowych przeszkód jest złożoność komputacyjna związana z trenowaniem i uruchamianiem modelu. Z oknem kontekstowym 1 miliona par zasad i 40 miliardami parametrów, Evo 2 wymaga znacznych zasobów komputacyjnych, aby działać skutecznie. To sprawia, że trudno jest mniejszym zespołom badawczym w pełni wykorzystać jego potencjał bez dostępu do infrastruktury obliczeniowej o wysokiej wydajności.

Ponadto, chociaż Evo 2 wyróżnia się w przewidywaniu efektów mutacji genetycznych, jest jeszcze wiele do nauki o tym, jak go wykorzystać do projektowania nowych systemów biologicznych od podstaw. Generowanie realistycznych sekwencji biologicznych jest tylko pierwszym krokiem; prawdziwe wyzwanie leży w zrozumieniu, jak wykorzystać tę moc do stworzenia funkcjonalnych, zrównoważonych systemów biologicznych.

Dostępność i demokratyzacja sztucznej inteligencji w genomice

Jednym z najbardziej ekscytujących aspektów Evo 2 jest jego otwarty charakter. Aby udostępnić zaawansowane narzędzia modelowania genetycznego, NVIDIA udostępnił parametry modelu, kod trenujący i zestawy danych publicznie. Ten otwarty podejście pozwala naukowcom z całego świata na eksplorowanie i rozwijanie możliwości Evo 2, przyspieszając innowacje w społeczności naukowej.

Podsumowanie

Evo 2 jest znaczącym postępem w modelowaniu genetycznym, wykorzystując sztuczną inteligencję do odszyfrowania złożonego języka genetycznego życia. Jego zdolność do modelowania sekwencji DNA i ich interakcji z RNA i białkami otwiera nowe możliwości w ochronie zdrowia, odkrywaniu leków, syntezie biologicznej i nauce o środowisku. Evo 2 może przewidywać mutacje genetyczne i projektować nowe sekwencje biologiczne, oferując transformacyjny potencjał dla medycyny personalizowanej i zrównoważonych rozwiązań. Jednak jego złożoność komputacyjna stwarza wyzwania, szczególnie dla mniejszych zespołów badawczych. Udostępniając Evo 2 jako otwarte oprogramowanie, NVIDIA umożliwia naukowcom na całym świecie eksplorowanie i rozwijanie jego możliwości, napędzając innowacje w genomice i biotechnologii. W miarę ewolucji technologii, ma potencjał przekształcić przyszłość nauk biologicznych i zrównoważonego rozwoju środowiska. mniejsze zespoły badawcze. Poprzez udostępnienie Evo 2 jako oprogramowania open-source, NVIDIA umożliwia naukowcom na całym świecie eksplorowanie i rozwijanie jego możliwości, napędzając innowacje w genomice i biotechnologii. W miarę ewolucji technologii, ma potencjał przekształcić przyszłość nauk biologicznych i zrównoważonego rozwoju środowiska.