Evo，一种创新的人工智能模型，旨在生成遗传代码，承诺通过推进药物设计、微生物重编程以及提供遗传疾病的见解来改变生物工程领域。斯坦福大学进化设计实验室的负责人Brian Hie探讨了人工智能与生物学的交叉点。最近，他提出了一个发人深省的问题：如果像ChatGPT这样的工具可以通过分析大量文本中的模式生成原创句子，那么如果我们用遗传代码替代书面文字会怎样？
这个问题看似简单，但其答案却带来了Evo——一个用于编写遗传代码的生成式AI模型。Hie和他的同事在Arc研究所和加州大学伯克利分校共同撰写了一篇发表在《科学》杂志上的论文。Hie解释说，研究人员可以利用Evo更好地理解微生物和病毒基因组，创造从未存在过的新型蛋白质（如药物），并重新编程微生物以完成从增强光合作用以实现碳捕获和提高作物产量到消除海洋中的微塑料等令人印象深刻的任务。
AI在肺癌基因突变预测方面也取得了革命性的进展，提供了更准确、更快的个性化治疗和改善患者预后的洞察。
Hie表示：“现在我们有了一个生成感兴趣系统的AI模型，研究人员可以集中精力研究最有前景的可能性，而无需使用蛮力测试或从自然界中挖掘有希望的序列，这些方法都相当不可预测。”Evo使整个生物体的基因组触手可及，并加速了生物工程设计过程。Evo甚至可以引领对进化本身、遗传疾病的新认识以及新治疗方法的深入理解，所有这些都可以在计算机上完成，而不是在实验室中。
Evo的灵感来自自然界本身。所有生命的指令都编码在DNA中。更好地理解DNA、RNA和生物蛋白之间的复杂相互作用及其随时间的演变，将带来更深入的知识，并能够将微生物重新编程为有用的技术。然而，这一切并非易事。即使是简单的微生物也有复杂的基因组，包含数百万个碱基对。Evo相比类似现有工具的两个关键进步是扩展了模型一次处理的序列长度，从大约8,000个碱基对增加到超过131,000个碱基对（称为“上下文窗口”），并提高了分辨率至单个核苷酸的规模，即DNA的基本构建块。
为了防止Evo被用于开发生物武器，研究团队排除了已知感染人类和其他某些生物的病毒的基因组。Evo能够学习核苷酸序列中的小变化如何影响整个生物体的进化适应性，并生成超过100万个碱基对的DNA序列，比131,000个碱基对的上下文窗口长七倍以上。相比之下，最小的“最小”细菌基因组约为58万个碱基对，研究人员指出。
作为Evo设计能力的概念验证，Hie及其同事提示Evo生成新的合成CRISPR-Cas分子复合体和系统。CRISPR-Cas系统就像微小的分子机器，使用蛋白质和RNA协同编辑DNA。在响应这一提示后，Evo创建了一个全新的、经过验证的功能完整的CRISPR系统，测试了11种可能的设计。Hie指出，这是首次使用语言模型同时进行蛋白质-RNA共设计的例子。
下一步，Hie已经在努力扩展Evo处理更大基因组序列的能力，提高对其输出的控制，并将其研究范围扩大到微生物世界之外，包括人类和其他基因组。“Evo在机器学习和生物学交叉领域的研究打开了许多非常有趣的大门，”Hie说，“它创造了以前无法想象的发现机会，并加速了我们改造生命本身的能力。”Evo是开源且公开可用的，感兴趣的科研人员可以下载。
(全文结束)
