Evo 2作者、斯坦福计算生物学家 Brian Hie：AI可发现人类无法看到的模式

原标题：Evo 2作者、斯坦福计算生物学家 Brian Hie：AI可发现人类无法看到的模式
文章来源：人工智能学家
内容字数：10830字

Evo 2：有史以来最大的生物学AI模型

本文介绍了由Arc研究所、斯坦福大学和NVIDIA共同开发的Evo 2，这是迄今为止最大的生物学人工智能模型。Evo 2基于128,000个基因组进行训练，涵盖了从人类到单细胞细菌和古细菌的广泛生命体，能够从头开始编写整个染色体和小基因组，并理解现有的DNA，包括与疾病相关的复杂“非编码”基因变体。其软件代码、数据和模型参数可在线访问和免费下载。

Evo 2的突破性进展

Evo 2及其前身Evo的突破在于将大型语言模型(LLM)技术应用于DNA序列分析。研究人员将DNA序列视为类似于人类语言的序列数据，通过训练模型预测DNA碱基对的序列，从而理解DNA的结构和功能。Evo 2的成功，源于其创新的训练方法和庞大的数据集。

将LLM应用于DNA的创新思路

1. **DNA序列的语言特性:** 研究人员认为DNA序列如同人类语言一样，是由离散的“token”（碱基对）组成的序列，具有其自身的结构和模式，并非随机排列。

2. **从DNA到蛋白质的语言建模:** 基于中心法则（DNA编码RNA，RNA编码蛋白质），在DNA上训练好的模型可以自动扩展到RNA和蛋白质的语言建模。同时，Evo 2在整个基因组上进行训练，保留了基因在基因组上相邻位置的重要信息，这与仅关注蛋白质编码区域的传统方法不同。

3. **长上下文长度:** Evo 2能够处理更长的DNA序列（上下文长度），这需要克服巨大的计算挑战，研究团队利用了最新的技术进展来降低计算成本。

4. **数据集的多样性:** 训练数据包含了高度多样化的基因组序列，这使得模型能够学习到更普遍的规律。

Evo 2的测试和性能

Evo 2通过预测蛋白质编码DNA序列中突变的“进化可能性”来进行测试。实验结果表明，Evo 2预测的高可能性突变通常能够保持或改善蛋白质功能，而低可能性突变则可能破坏蛋白质功能。虽然Evo 2也会犯错，但其“幻觉”能力在生物学研究中可能成为一种优势，帮助发现新的生物学现象。

Brian Hie对Evo 2的评价

斯坦福大学计算生物学家Brian Hie指出，Evo 2发现了人类难以察觉的DNA序列模式，这体现了AI在生物学研究中的巨大潜力。Evo 2的成功，为生物学研究提供了强大的新工具，有望加速对生命奥秘的探索，并推动生物医学领域的创新。

Evo 2的开放性

Evo 2的软件代码、数据和模型参数可供公众免费使用，这将促进全球科学界对该技术的进一步研究和应用，推动生物学AI领域的快速发展。

联系作者

文章来源：人工智能学家
作者微信：
作者简介：致力成为权威的人工智能科技媒体和前沿科技研究机构