Evo: AI 模型精確解讀與生成基因序列

位於 Arc 研究所的科學家們推出了 Evo，這是一個突破性的人工智能（AI）模型，訓練於 270 萬微生物基因組。Evo 代表了 AI 與遺傳學交匯處的一個重大進展，結合了解讀與生成基因序列的無與倫比的精確性。

Evo 的運作原理

與傳統的文本訓練 AI 語言模型不同，Evo 利用 DNA、RNA 和蛋白質序列來同時學習和預測基因模式。這種創新的方法模仿了大型語言模型如 ChatGPT 的結構，但其訓練內容涵蓋了基因代碼的複雜性，而非人類語言。

Evo 的主要特點包括：

• 生物大分子的整合理解： Evo 能夠跨多種生物數據類型學習模式，使其能够預測 DNA 變化的影響並設計新的基因序列。
• 新基因設計： Evo 已經設計出功能性的基因編輯工具，為合成生物學的突破鋪平道路。
• 基因組長度創作： Evo 生成超過 100 萬個鹼基對的新型基因組長度序列。雖然這些序列尚無法形成可行的生物體，但它們展示了該 AI 處理大量基因數據的能力。

安全優先

出於倫理和安全考量，研究人員故意將人類影響的病毒基因組排除在 Evo 的訓練數據之外。這一預防措施旨在減少潛在的濫用風險，並強調在遺傳工程等敏感領域開發強大 AI 工具的責任。

Evo 的重要性

Evo 能力的影響深遠：

1. 加速研究： Evo 可以大幅縮短分析基因數據所需的時間，增進對疾病和生物系統的理解。
2. 藥物開發： 通過設計新蛋白質，Evo 可能徹底改變治療開發，包括罕見疾病的治療。
3. 疾病突變預測： 預測基因突變如何影響疾病有助於開發預防策略。
4. 合成生物學： Evo 創造基因藍圖的能力可能為生物修復、農業等合成生物體的應用開啟大門。

倫理考量

雖然潛在的好處非同凡響，但 Evo 的能力也引發了有關倫理使用和社會影響的嚴重問題。「寫遺傳代碼如同寫電子郵件一般容易」的能力如果未得到妥善監管，可能會導致濫用或意想不到的後果。與所有變革性技術一樣，挑戰在於最大化利益的同時最小化風險。

未來展望

Evo 仍處於早期階段，研究人員預計隨著該模型的演變將進行重大改進。除了微生物基因組外，Evo 可能擴展到遺傳學的其他領域，進一步模糊了人工智能與生物智能之間的界線。

隨著社會應對「AI 為 DNA」的影響，Evo 彰顯了開創性創新所帶來的承諾與責任。

欲了解更多詳情，請訪問發表於 Science 的原始研究： https://www.science.org/doi/10.1126/science.ado9336