Модель, получившая название Evo, может предсказывать последствия генетических мутаций и генерировать новые последовательности ДНК — хотя эти последовательности ДНК не очень похожи на ДНК живых организмов.
Однако со временем и в процессе обучения Evo и подобные модели могут помочь ученым понять функции различных последовательностей ДНК и РНК и смягчить последствия заболеваний, пишут исследователи в новом исследовании, опубликованном 15 ноября в журнале Science.
Evo — это разновидность системы искусственного интеллекта (ИИ), называемая большой языковой моделью (LLM), которая похожа на GPT-4 от OpenAI или Gemini от Google. Исследователи и разработчики обучают LLM на огромных объемах данных из общедоступных ресурсов, таких как Интернет, и LLM ищет шаблоны, такие как общие фразы или типичные структуры предложений, используя эти шаблоны, чтобы предложить слова в предложении одно за другим.
В отличие от более распространенных LLM, Evo не обучается на словах. Вместо этого он обучается на геномах миллионов микробов — архей, бактерий и заражающих их вирусов, но не эукариотических организмов, таких как растения и животные. Каждая пара оснований — основные химические единицы, из которых состоит ДНК, — в этих геномах выступает в качестве «слова» в модели. Затем Evo сравнивает последовательности пар оснований со своим обучающим набором, чтобы предсказать, как будет работать нить ДНК или генерировать новый генетический материал.
Другие модели уже использовали машинное обучение и даже LLM для изучения генетической информации. Но до сих пор они ограничивались специализированными функциями или были ограничены высокими вычислительными затратами, пишут ученые в своем исследовании. Evo, напротив, использует быструю модель с высоким разрешением для обработки длинных строк информации, что позволяет ей анализировать закономерности в масштабах генома и получать информацию о крупномасштабных взаимодействиях, которые более специализированные модели могут упустить.
Авторы протестировали Evo на ряде задач. Evo предсказала, как генетические мутации повлияют на структуру белков, показав результаты, сопоставимые с моделями, специально обученными для этой задачи. Он также создал набор белковых и РНК-компонентов, которые защищали от вирусной инфекции в лабораторных тестах.
Evo даже генерировала последовательности ДНК размером с целые геномы — но эта ДНК не обязательно поддерживала жизнь. Некоторые из генетических инструкций были похожи на ДНК существующих организмов. Другие были похожи на первый взгляд, но при ближайшем рассмотрении не имели смысла, подобно сгенерированному ИИ изображению человека со слишком большим количеством пальцев. Например, многие белковые структуры, закодированные в ДНК, сгенерированной Evo, не совпадают с белками, встречающимися в природе.
Эти образцы представляют собой «размытое изображение» генома, который содержит ключевые характеристики, но не имеет более тонких деталей, характерных для естественных геномов», — пишут исследователи в своем исследовании.
Кроме того, Evo обучался только на геномах микроорганизмов, поэтому предсказание последствий генетических мутаций человека пока остается за пределами его возможностей. Критики подчеркнули необходимость соблюдения правил безопасности и этики, чтобы предотвратить неправомерное использование таких инструментов, как Evo, по мере повышения их эффективности. В частности, команда исключила данные о вирусных геномах, которые заражают эукариотических хозяев.
«Проактивная дискуссия с участием научного сообщества, экспертов по безопасности и политиков необходима для предотвращения злоупотреблений и продвижения эффективных стратегий по смягчению существующих и возникающих угроз», — пишут исследователи.
Тем не менее, перспективы, открываемые исследованием Evo, впечатляют. Его возможности по анализу и генерации генетических данных могут значительно ускорить научные открытия и разработки в области биотехнологий. Например, Evo может быть использован для конструирования новых ферментов или других белковых молекул, которые играют ключевую роль в биологических процессах и промышленном производстве. Это открывает двери к более эффективному производству лекарств, а также может способствовать развитию синтетической биологии, где новые микроорганизмы могут быть созданы с заданной функциональностью.
Одним из главных преимуществ таких моделей, как Evo, является их способность работать с огромными объемами данных, которые ранее было трудно анализировать из-за ограничений вычислительных мощностей. Обработка и интерпретация геномных данных в больших масштабах помогут ученым лучше понять сложные взаимодействия внутри клеток и их влияние на организм в целом. По мере продолжения исследований возможности увеличения разрешения модели, как и ее способность адаптироваться к новым данными, могут сделать Evo незаменимым инструментом в генетических исследованиях.
В то же время, ученым предстоит решить множество этических и практических вопросов, связанных с использованием такого мощного инструмента. Сложность генетических данных и потенциал для их злоупотребления требуют ответственного подхода и надзора. Открытость и ясно определенные рамки использования технологий, подобных Evo, помогут избежать негативных последствий и направить развитие в конструктивное русло. Совместное участие ученых, экспертов и политиков станет залогом безопасности и надежности будущих применений Evo и подобных ему инструментов.
Таким образом, развитие Evo и подобных моделей представляет собой шаг к новому уровню понимания и использования генетической информации. По мере того, как ученые будут продолжать работу над улучшением точности и расширением функциональных возможностей таких систем, они смогут предложить эффективные решения для многих задач, стоящих перед современной наукой и обществом. Но успех будет зависеть от баланса между инновационным развитием и соблюдением этических стандартов.
