ChatGPT 可能写幼说、编写估量机代码、给出食谱，它的硅片上包罗了互联网上的大个人消息。假如它能对 DNA 做同样的事宜会奈何样？

　　此日，登载正在《Science》封面上一项最新钻研，美国 Arc 钻研所（Arc Institute）和斯坦福大学的钻研团队提出了一种呆板进修模子「Evo」，其不妨以无与伦比具体实性解码和安排从分子到基因组周围的 DNA、RNA 和卵白质序列。

　　Evo 模子以数十亿条基因序列为底子，可能臆度出细菌和病毒基因组的运作形式，并运用这些消息安排新的卵白质以至全体微生物基因组。

　　Evo 可能帮帮科学家物色进化、钻研疾病、开拓新的调理设施，并不妨解答很多其他生物医知识题。

　　「该钻研意思巨大，作家对 Evo 举行的测试为 AI 供应了一个很好的行使揭示。」阿贡国度测验室的估量生物学家 Arvind Ramanathan 看到论文后评判道。

　　有目共见，AlphaFold可能凭据卵白质的氨基酸序列预测其组织。但 ChatGPT 和很多其他 AI 都是通用次第，即底子模子。底子模子的多效用性很有上风，科学家不必为每个使命构修和操练差其余模子，从而俭省光阴和金钱。ChatGPT 被称为大型道话模子(LLM)，由于它合用于简直任何包罗文字的文档，无论是当局陈述依旧食谱。

　　正在分子生物学中，没有什么比 DNA 更底子的了，科学家们曾经开拓了少许底子模子，可能像阐发 LLM 中的单词相同阐发 DNA 序列。然而，这些 AI 只可诠释和预测相对较短的 DNA 片断。

　　Evo 是为了造服这些束缚而开拓的，它是斯坦福大学估量生物学家 Brian Hie 团队的血汗结晶，此中包罗少许来悔改创立的 Arc 钻研所的钻研职员。

　　基因组底子模子 Evo 是一个基于 StripedHyena 的底子模子，该模子正在 270 万个进化多样的原核生物和噬菌体基因组前举行了预操练，从而得回对 DNA 道话的根本融会，可能预测 DNA 的效用或天生新的 DNA 序列。StripedHyena 架构混淆了聚集二次 Transformer 算子和次二次型 Hyena 算子。

　　为了确定 Evo 的最佳架构和缩放比例，钻研对照了正在估量最优畛域上预操练的差别模子的缩放率，即正在数据集巨细和模子巨细之间举行最佳估量分拨。

　　该团队的一项订正是推广所谓的上下文长度，即模子正在考试寻找 DNA 形式时应用的搜寻窗口。更大的上下文长度可能降低模子识别基因或其他 DNA 序列之间干系的材干。这种安排还使团队不妨将 Evo 的判袂率降低到单个核苷酸（DNA 的构成个人）的秤谌，而之前的模子只可处罚核苷酸组。

　　钻研职员正在构修 Evo 后对其举行了 4 周的操练，正在此时间，该模子对 80,000 个微生物基因组以及数百万个针对细菌的病毒序列和质粒举行了自我进修。

　　Hie 说，表面上，恶意用户可能运用像 Evo 如此的模子来安排生物军火，是以钻研职员从 AI 的操练会合删除了任何攻击人类或其他真核生物的病毒序列。总的来说，Evo 从 3000 亿个核苷酸的序列消息中进修。

　　为了测试 Evo，钻研职员条件它预测突变对卵白质功能的影响。这些常识关于融会 DNA 「打击」怎么导致疾病以及安排新药出格要紧。

　　钻研幼组通过将 Evo 的预测与其他科学家正在细菌细胞中诱发无别突变的已揭晓测验举行对照，来查验 Evo 具体实度。Evo 胜过之前从 DNA 序列数据臆度突变效应的人为智能模子；其劳动效益与其他依赖卵白质序列的 AI 模子相同好。

　　像 ChatGPT 如此的 AI 模子云云有效的一个源由是它们可能创修新实质。「咱们念证据咱们的模子有这种材干，」Hie 说。是以，他的团队让 Evo 安排新版本的 CRISPR 基因组编纂器。这项使命很有挑衅性，由于 CRISPR 包罗两种务必协同劳动的组件：DNA 切片 Cas 卵白和将酶向导到要编纂的基因组处所的 RNA 分子。

　　Evo 最先钻研了 70,000 多个编码 Cas 卵白及其伙伴 RNA 的细菌 DNA 序列。然后，该模子安排了数百万个分子的潜正在版本。钻研职员挑选了 11 个最有前程的 Cas9 变体，并正在测验室中合成了这些卵白质。

　　钻研职员涌现，正在试管测验中，Evo 安排的 Cas9 酶中最好的一种，正在切割 DNA 方面与贸易版本的卵白质相同好。为了订正 Cas 卵白，科学家们守旧上无间正在寻找拥有更有用酶版本的细菌。

　　图示：对 CRISPR-Cas 序列举行微调可能完毕卵白质-RNA 复合物的天生安排。（起源：论文）

　　Evo 还擅长多模态天生使命，团队通过天生合成的 CRISPR-Cas 分子复合物和转座编造证据了这一点。钻研职员测验验证了 Evo 天生的 CRISPR-Cas 分子复合物以及 IS200 和 IS605 转座编造的效用活性，这是应用道话模子举行卵白质-RNA 和卵白质-DNA 协同安排的第一个实例。

　　图示：对 IS200/IS605 序列举行微调可能完毕可转座生物编造的天生安排。（起源：论文）

　　Hie 说，有了 Evo，「咱们不必恭候进化来缔造新的 Cas9。」然而，和很多 LLM 相同，Evo 也「发生了幻觉」，提出了没有机缘起效用的 Cas9。Hie 说，虽然发生了幻觉，但 AI 正在寻找新分子采取方面如故比「蛮力筛选或随机猜度」要好。

　　正在 Hie 所说的钻研中「最具另日感和最狂妄」的个人，钻研职员条件 Evo 天生足够长的 DNA 序枚举动细菌的基因组。他们涌现，这些模仿基因组领导了细胞所需的很多基因，但匮乏其他必要基因。可是，Hie 以为，这些结果不妨是迈向 AI 安排的合成基因组的一步。

　　Evo 历程 270 万个原核生物和噬菌体基因组的操练，揭示了跨 DNA、RNA 和卵白质模态的零样本函数预测，其功能可与特定范围的道话模子相媲美，以至优于特定范围的道话模子。

　　底子模子很要紧，由于「它们加强了咱们融会和描画基因组的材干」，未出席这项钻研的美国石溪大学（Stony Brook University）估量生物学家 Ramana Davuluri 说。「我以为这是超越现有模子的一大步。」

　　纽约市非营利机闭 Tatta Bio 的估量生物学家 Yunha Hwang 说，这项钻研之以是引人瞩目标一个源由是，钻研职员正在测验上证据了该模子的预测。Tatta Bio 埋头于订正基因组 AI 模子。

　　「不妨举行测验室验证出格有力，」未出席这项钻研的 Hwang 说。德克萨斯大学 MD 安德森癌症核心的统计学家 Chong Wu 填补说，Evo 从中学到的豪爽数据也使这项钻研不同凡响。他说，模子摄取的消息越多，它就越牢靠。

　　AI 的大个人钻研劳动都是正在公司神秘举行的。但钻研职员已公然拓布 Evo，以便其他钻研职员可能应用它，而 Hie 吐露，该团队没有盘算将其出现贸易化。「目前，我将其视为一个钻研项目。」

　　Arc 总部位于加利福尼亚州帕洛阿尔托，是一家非营利性钻研机构，其创立的初志是自信很多要紧的科学项目都可能通过新的机闭形式来完毕。Arc 是与斯坦福大学、加州大学旧金山分校和加州大学伯克利分校合营运营的。

　　Arc 为科学家供应无附加要求的多年期资金，如此他们就不必申请表部资帮，并投资于测验和估量技巧器材的迅速开拓。

　　Arc 的钻研职员可能以幼我身份跨学科合营钻研纷乱疾病，包罗癌症、神经退行性疾病和免疫效用贫穷。