De la Evo 1 la Evo 2: Cum redefinește NVIDIA cercetarea genomică și inovațiile biologice bazate pe IA

Imaginați-vă un lume în care am putea prezice comportamentul vieții doar prin analizarea unei secvențe de litere. Acesta nu este un scenariu științifico-fantastic sau o lume magică, ci o lume reală în care oamenii de știință au fost încercând să atingă acest obiectiv de ani de zile. Aceste secvențe, alcătuite din patru nucleotide (A, T, C și G), conțin instrucțiunile fundamentale pentru viață pe Pământ, de la cel mai mic microb la cel mai mare mamifer. Decodificarea acestor secvențe are potențialul de a debloca procese biologice complexe, transformând domenii precum medicina personalizată și sustenabilitatea mediului.

Cu toate acestea, în ciuda acestui potențial imens, decodificarea chiar și a celor mai simple genomuri microbiene este o sarcină extrem de complexă. Aceste genomuri sunt alcătuite din milioane de perechi de baze de ADN care reglementează interacțiunile dintre ADN, ARN și proteine – cele trei elemente cheie în dogma centrală a biologiei moleculare. Această complexitate există la multiple niveluri, de la molecule individuale la genomuri întregi, creând un vast câmp de informații genetice care s-a dezvoltat pe o perioadă de miliarde de ani.

Uneltele computaționale tradiționale au luptat pentru a face față complexității secvențelor biologice. Dar cu apariția inteligenței artificiale generative, este acum posibil să se scaleze peste trilioane de secvențe și să se înțeleagă relații complexe între secvențe de tokeni. Construind pe această avansare, cercetătorii de la Institutul Arc, Universitatea Stanford și NVIDIA (NVDA ) au fost lucrând la construirea unui sistem de inteligență artificială care să poată înțelege secvențe biologice asemenea unor modele de limbaj uman. Acum, ei au făcut o descoperire revoluționară prin crearea unui model care captează atât natura multimodală a dogmei centrale, cât și complexitățile evoluției. Această inovație ar putea duce la prezicerea și proiectarea de noi secvențe biologice, de la molecule individuale la genomuri întregi. În acest articol, vom explora cum funcționează această tehnologie, aplicațiile sale potențiale, provocările cu care se confruntă și viitorul modelării genomice.

EVO 1: Un model pionier în modelarea genomică

Această cercetare a atras atenția la sfârșitul anului 2024, când NVIDIA și colaboratorii săi au introdus Evo 1, un model revoluționar pentru analiza și generarea de secvențe biologice în ADN, ARN și proteine. Antrenat pe 2,7 milioane de genomuri procariote și de fag, totalizând 300 de miliarde de tokeni de nucleotide, modelul s-a concentrat pe integrarea dogmei centrale a biologiei moleculare, modelând fluxul de informații genetice de la ADN la ARN la proteine. Arhitectura sa StripedHyena, un model hibrid care utilizează filtre convoluționale și porți, a gestionat eficient contexte lungi de până la 131.072 de tokeni. Acest design a permis Evo 1 să lege schimbări mici în secvențe la efecte mai ample, la nivel de sistem și de organism, punând poduri între biologia moleculară și genetica evoluționistă.

Evo 1 a fost primul pas în modelarea computațională a evoluției biologice. A prezis cu succes interacțiuni moleculare și variații genetice prin analizarea patternurilor evolutive în secvențele genetice. Cu toate acestea, pe măsură ce oamenii de știință au încercat să aplice această tehnologie la genomuri eucariote mai complexe, limitările modelului au devenit evidente. Evo 1 a luptat cu rezoluția la nivel de nucleotid singular pe secvențe lungi de ADN și a fost computațional scump pentru genomuri mai mari. Aceste provocări au condus la nevoia unui model mai avansat, capabil să integreze date biologice la multiple scale.

EVO 2: Un model fundamental pentru modelarea genomică

Construind pe lecțiile învățate de la Evo-1, cercetătorii au lansat Evo 2 în februarie 2025, avansând domeniul modelării secvențelor biologice. Antrenat pe un număr impresionant de 9,3 trilioane de perechi de baze de ADN, modelul a învățat să înțeleagă și să prezică consecințele funcționale ale variației genetice în toate domeniile vieții, incluzând bacterii, arhee, plante, fungi și animale. Cu peste 40 de miliarde de parametri, modelul Evo-2 poate gestiona o lungime de secvență fără precedent de până la 1 milion de perechi de baze, ceea ce modelele anterioare, incluzând Evo-1, nu au putut face.

Ceea ce diferențiază Evo 2 de predecesorii săi este capacitatea sa de a modela nu numai secvențele de ADN, ci și interacțiunile dintre ADN, ARN și proteine – întreaga dogmă centrală a biologiei moleculare. Acest lucru permite Evo 2 să prezică cu acuratețe impactul mutațiilor genetice, de la cele mai mici schimbări de nucleotid la variații structurale mai mari, în moduri care au fost anterior imposibile.

O trăsătură cheie a Evo 2 este capacitatea sa puternică de prezicere zero-shot, care îi permite să prezică efectele funcționale ale mutațiilor fără a necesita o ajustare specifică a sarcinii. De exemplu, clasifică cu acuratețe variantele clinice semnificative ale genei BRCA1, un factor crucial în cercetarea cancerului de sân, prin analiza singură a secvențelor de ADN.

Aplicații potențiale în științele biomoleculare

Capacitățile Evo 2 deschid noi frontiere în genomică, biologie moleculară și biotehnologie. Unele dintre cele mai promițătoare aplicații includ:

• Îngrijirea sănătății și descoperirea de medicamente: Evo 2 poate prezice care variante genice sunt asociate cu anumite boli, ajutând la dezvoltarea de terapii țintite. De exemplu, în teste cu variante ale genei asociate cancerului de sân BRCA1, Evo 2 a atins peste 90% acuratețe în prezicerea mutațiilor care sunt benigne versus potențial patogene. Astfel de informații ar putea accelera dezvoltarea de noi medicamente și tratamente personalizate.
• Biologie sintetică și inginerie genetică: Capacitatea Evo 2 de a genera genomuri întregi deschide noi direcții în proiectarea de organisme sintetice cu trăsături dorite. Cercetătorii pot utiliza Evo 2 pentru a ingineriza gene cu funcții specifice, promovând dezvoltarea de biocombustibili, substanțe chimice prietenoase cu mediul și terapii noi.
• Biotehnologie agricolă: Poate fi utilizat pentru a proiecta culturi modificate genetic cu trăsături îmbunătățite, cum ar fi rezistență la secetă sau rezistență la dăunători, contribuind la securitatea alimentară globală și la sustenabilitatea agricolă.
• Știința mediului: Evo 2 poate fi aplicat pentru a proiecta biocombustibili sau pentru a ingineriza proteine care descompun poluanți de mediu precum uleiul sau plasticul, contribuind la eforturile de sustenabilitate.

Provocări și direcții viitoare

În ciuda capacităților sale impresionante, Evo 2 se confruntă cu provocări. Una dintre principalele obstacole este complexitatea computațională implicată în antrenarea și rularea modelului. Cu o fereastră de context de 1 milion de perechi de baze și 40 de miliarde de parametri, Evo 2 necesită resurse computaționale semnificative pentru a funcționa eficient. Acest lucru face dificil pentru echipele de cercetare mai mici să utilizeze pe deplin potențialul său fără acces la infrastructura de calcul de înaltă performanță.

În plus, în timp ce Evo 2 excelează în prezicerea efectelor mutațiilor genetice, există încă multe de învățat despre cum să se utilizeze pentru a proiecta sisteme biologice noi de la zero. Generarea de secvențe biologice realiste este doar primul pas; provocarea reală constă în înțelegerea modului în care să se utilizeze această putere pentru a crea sisteme biologice funcționale și sustenabile.

Accesibilitatea și democratizarea IA în genomica

Unul dintre cele mai interesante aspecte ale Evo 2 este disponibilitatea sa open-source. Pentru a democratiza accesul la uneltele avansate de modelare genomică, NVIDIA a făcut parametrii modelului, codul de antrenare și seturile de date publice. Acestă abordare de acces deschis permite cercetătorilor din întreaga lume să exploreze și să extindă capacitățile Evo 2, accelerând inovația în comunitatea științifică.

Concluzia

Evo 2 reprezintă o avansare semnificativă în modelarea genomică, utilizând IA pentru a decoda limbajul genetic complex al vieții. Capacitatea sa de a modela secvențele de ADN și interacțiunile lor cu ARN și proteine deschide noi posibilități în îngrijirea sănătății, descoperirea de medicamente, biologia sintetică și știința mediului. Evo 2 poate prezice mutații genetice și proiecta noi secvențe biologice, oferind un potențial transformator pentru medicina personalizată și soluții sustenabile. Cu toate acestea, complexitatea sa computațională prezintă provocări, în special pentru echipele de cercetare mai mici. Prin faptul că face Evo 2 open-source, NVIDIA permite cercetătorilor din întreaga lume să exploreze și să extindă capacitățile sale, conducând la inovații în genomica și biotehnologie. Pe măsură ce tehnologia continuă să evolueze, are potențialul de a rescrie viitorul științelor biologice și al sustenabilității mediului.