AI в геномике: практические решения и ценность
Геномные исследования играют важную роль в понимании структуры, функций и эволюции геномов. Они предоставляют данные о последовательностях ДНК, генетических вариациях и механизмах регуляции экспрессии генов. Однако существует необходимость в более продвинутых моделях для прогнозирования и генерации биологических последовательностей, а также в повышении точности и эффективности существующих методов.
Решение
В результате исследований, представленных в статье “This AI Paper Introduces Evo: A Genomic Foundation Model that Enables Prediction and Generation Tasks from the Molecular to Genome-Scale”, была разработана модель Evo, которая решает проблемы предыдущих подходов. Evo использует глубокую архитектуру сигнальной обработки, объединяющую механизмы внимания и операторы свертки. Модель обучена на 7 миллиардах параметров с данными от целых прокариотических геномов и способна обобщать через ДНК, РНК и белковые модальности, прогнозируя функции генов и генерируя сложные биологические системы.
Показатели производительности модели Evo включают высокую точность прогнозирования генной существенности, создание последовательностей до 650 килобаз длиной и генерацию когерентных систем CRISPR-Cas и транспозабельных элементов с значительным разнообразием белковых последовательностей.
Ценность
Модель Evo представляет значительное преимущество в области геномики, обещая улучшить наше понимание и контроль биологических систем на различных уровнях. Ее способность моделировать геномные данные в масштабе и выполнять прогнозы и генерацию сложных последовательностей отмечает значительный прогресс в геномных исследованиях.
