揭开基因组的秘密：Evo模型在Science封面展示分子到基因组的创新预测与生成能力

内含教程详解步骤

原标题：抢先体验Demo！基因组基础模型Evo登Science封面，实现从分子到基因组尺度的预测与生成
文章来源：HyperAI超神经
内容字数：3217字

HyperAI超神经教程上线Evo模型

根据作者李姝的介绍，HyperAI超神经教程版块现已上线一项名为「Evo：从分子到基因组规模的预测和生成」的内容，旨在让用户快速体验这一先进的AI模型。Evo是一种基因组基础模型，由斯坦福大学与Arc研究所的研究团队共同开发，能够在DNA、RNA和蛋白质的多模态任务中实现零样本预测和高精度生成。

研究背景与成果

Evo的相关研究以「Sequence modeling and design from molecular to genome scale with Evo」为题，已在Science杂志上发表。该模型使用了StripedHyena架构，经过在包含8万多个细菌和古细菌基因组以及数百万个预测的噬菌体和质粒序列的大型基因组数据集上进行训练，覆盖了300亿个核苷酸token。Evo的参数规模达到70亿，最大上下文长度可达131,072个token，具有生成超过1兆碱基的合理基因组架构DNA序列的能力。

应用前景

Evo的能力不仅为生命科学提供了新的理论支撑，还可能在基因编辑、药物发现、疾病诊断和农业等领域带来突破性成果。许多网友对Evo的发布表示震撼，并对其具体应用充满期待。

如何体验Evo模型

用户可以通过以下步骤来体验Evo模型的强大功能：

1. 登录hyper.ai，选择「Evo：从分子到基因组规模的预测和生成」教程。
2. 点击右上角的「克隆」将教程克隆至自己的容器中。
3. 选择算力，推荐选择「NVIDIA RTX A6000」。
4. 新用户可以使用邀请链接注册，获得4小时RTX 4090和5小时CPU的免费时长。
5. 确认信息后，等待资源分配，点击「打开工作空间」。
6. 在Jupyter工作空间中，双击打开「README」文件，进入Evo模型运行页面。

模型操作与效果演示

进入Evo模型运行页面后，用户可以按照需求调整输入参数。默认输入为DNA碱基对（ACGT），可根据需要修改，生成不同的DNA序列。用户在调整完参数后，选择「重启并运行所有单元格」，稍等片刻即可查看生成的序列。此外，Evo还可以分析生成的DNA序列，预测蛋白编码基因，设计RNA系统，并展示蛋白质的折叠结构。

加入讨论与分享

为了促进技术交流，HyperAI建立了「Stable Diffusion教程交流群」，欢迎用户通过微信添加神经星星（微信号：Hyperai01）加入群聊，探讨各类技术问题，分享应用效果。

联系作者

文章来源：HyperAI超神经
作者微信：
作者简介：解构技术先进性与普适性，报道更前沿的 AIforScience 案例