Vědci z Arc Institute a NVIDIA vytvořili Evo 2, dosud největší jazykový model DNA, který dokáže navrhovat kompletní mikrobiální genomy. Model byl natrénován na 9,3 bilionech nukleotidů z více než 128 000 genomů pokrývajících všechny domény života — bakterie, archea, viry, rostliny i člověka — a dokáže zpracovat sekvence o délce až 1 milion nukleotidů najednou a generovat DNA o délce celého genomu, která připomíná skutečné organismy.
Kromě návrhu genomů dokáže Evo 2 identifikovat mutace způsobující nemoci v lidských genech s přesností přes 90 %, včetně klinicky významných variant BRCA1 spojených s rakovinou prsu, a to bez jakéhokoli specifického doladění. Model byl natrénován na více než 2 000 GPU NVIDIA H100 a využívá 30krát více dat než jeho předchůdce Evo 1.
"Evo 2 má obecné porozumění stromu života, které je užitečné pro mnoho úkolů, od předpovídání mutací způsobujících nemoci až po navrhování potenciálního kódu pro umělý život," řekl spoluzakladatel Arc Institute Patrick Hsu. Výzkum byl publikován v časopise Nature 4. března a veškerý kód, trénovací data i váhy modelu jsou veřejně dostupné.
