科技日报记者 张梦然
《科学》杂志15日发布了一项突破性研究成果：美国斯坦福大学Arc研究所团队利用人工智能（AI），开发出一种大规模基因组基础模型“Evo”，翻开了生命的“密码全书”。该模型采用先进架构，能够以前所未有的精度，解析和设计从分子层面到整个基因组级别的DNA、RNA及蛋白质序列。其不仅能够预测突变对细胞内部各个调控层级的影响，还能设计出用于操控细胞功能的DNA序列，这或将彻底改变合成生物学的发展路径。
科学家一直试图借鉴大型语言模型的成功经验，让AI技术将DNA视为一种“语言”来建模，但现有模型捕捉广泛基因组交互作用的能力有限。
此次，研究团队开发了具备70亿参数的Evo模型，能够生成覆盖整个基因组的DNA序列。该模型利用270万来自进化多样性微生物的基因组数据集进行了训练，并首次报告了DNA领域的缩放定律，这项发现与语言和视觉领域已知的现象相呼应。实验结果显示，Evo在预测性和生成性的生物学任务中均表现优异，无论是预测突变对细菌蛋白质和RNA的影响，还是在模拟基因调控机制方面，都展现出了极高的准确性。
此外，Evo还能够处理编码序列与非编码序列之间的复杂共进化关系，支持设计包括功能性CRISPR-Cas复合体和转座子在内的复杂生物体系。这是首次实现蛋白质-RNA和蛋白质-DNA结构与语言模型协同设计的例子。在全基因组尺度上，Evo能够生成超过100万碱基对的序列，其预测和生成能力涵盖了从分子到基因组的多层次复杂度，极大推进了人们对生物学本质的认识和操控能力。
团队认为，后续模型将进一步扩展至人类及其他真核生物的基因组数据学习，通过增加上下文长度来更好地捕捉大基因组间的远程相互作用。这将为生物学研究开辟新的视野，推动生命科学领域的持续发展。
基因组序列的变化，其实有助于生物体适应不断改变的环境条件，进而驱动物种进化。随着DNA测序技术的飞跃进步，科学家已能够在全基因组范围内绘制出基因组变异图谱。再结合创新的AI算法，使得构建一个能深入理解DNA、RNA和蛋白质功能及其相互作用的综合模型成为可能。换句话说，现在，人们拥有了一个解码生命指令的基因组基础模型。
