近期发表于《Science》期刊的一项研究发布了一款机器学习模型Evo。
Evo够从分子到基因组尺度解码和设计DNA、RNA及蛋白质序列，精确程度无与伦比，这可能改变合成生物学的操作方式。Christina V. Theodoris在相关评论中写道，“预测细胞中各层次上突变的影响和设计DNA序列来控制细胞功能将发挥重要作用。”DNA仅用四种核苷酸编码生命所需的全部遗传信息。基因组序列的变异反映了自然选择下的适应性，用于特定生物功能。这些变异推动了生物体的进化，使其能适应新的或变化的环境。
DNA测序技术的进步促进了基因组变异在全基因组水平上的图谱绘制。这些数据结合新型机器学习算法，可以创建一个全面的模型，以理解DNA、RNA和蛋白质的功能及其相互作用。尽管一些受大型语言模型（LLMs）启发的研究人员尝试将DNA视作一种“语言”并应用类似技术，目前的生成模型通常集中于单个分子或DNA片段。加上计算能力的限制，限制了这些模型在理解复杂生物过程中所需的更广泛基因组互动时的能力。
Arc 研究所Eric Nguyen领导的研究团队基于StripedHyena架构，在一个由270万种进化多样的微生物基因组构成的数据集上进行了训练。根据Nguyen等人的说法，Evo在预测和生成生物任务中表现卓越，包括预测细菌蛋白质和RNA突变影响，以及基因调控建模，零样本评估中 achieves 高准确率。
Evo还掌握了编码与非编码序列之间复杂的共同进化关系，支持设计复杂生物系统，例如CRISPR-Cas系统和可转座元件。在基因组层面，Evo能够生成长度超过1兆碱基的序列，其能力远远超越了之前的模型。Theodoris在评论中写道：“未来的模型或许可以从多样化的人类及其他真核生物基因组中学习，利用更长的上下文范围来捕获更大基因组尺度上的远距离基因组互动。”
杂志：Science
DOI：10.1126/science.ado9336
