Evo 2是什么
Evo 2 是美国弧形研究所、英伟达、斯坦福大学等机构合作推出的DNA语言模型，用于基因组建模和设计，覆盖生命的所有领域。Evo 2 基于 StripedHyena 2 架构开发，以单核苷酸分辨率处理长达100万个碱基对的上下文长度。Evo 2 用 OpenGenome2 数据集进行自回归预训练，数据集包含来自生命所有领域的8.8万亿个标记，支持长序列建模、DNA序列生成和嵌入向量提取等功能，提供多个模型检查点满足不同需求。Evo 2 推动基因组学研究和应用，为生物医学和合成生物学等领域提供强大的工具支持。
Evo 2的主要功能
- 长上下文建模：处理长达 100 万个碱基对 的 DNA 序列，支持高精度的基因组建模。
- DNA 序列生成：根据给定的提示生成新的 DNA 序列，适用于合成生物学和基因编辑。
- 嵌入向量提取：提取 DNA 序列的嵌入向量，用于下游分析，如基因功能预测和变异效应分析。
- 零样本预测：支持零样本学习，例如预测基因变异对功能的影响（如 BRCA1 基因变异效应预测）。
- 序列评分：计算 DNA 序列的似然分数，评估序列的稳定性和功能潜力。
Evo 2的技术原理
- 大规模数据训练：基于超过 9.3 万亿个核苷酸的数据进行训练的，据来自超过 12.8 万个基因组，涵盖细菌、古菌、真核生物等多个生命领域的生物。
- 独特的 AI 架构：基于 StripedHyena 2 架构，处理长达 100 万个核苷酸的基因序列，理解基因组中相距较远部分之间的关系。
- 深度学习与生成生物学：基于深度学习技术，像理解语言一样理解核酸序列。用学习进化过程中形成的生物序列模式，预测基因突变的影响并生成新的基因组。
- 强大的计算支持：Evo 2 的训练利用英伟达的 DGX Cloud AI 平台和超过 2000 个 H100 GPU，展示了强大的计算能力和高效的模型训练。
Evo 2的项目地址
- 项目官网：https://arcinstitute.org/news/blog/evo2
- GitHub仓库：https://github.com/ArcInstitute/evo2
- HuggingFace模型库：https://huggingface.co/arcinstitute
- 技术论文：https://arcinstitute.org/manuscripts/Evo2
Evo 2的应用场景
- 疾病预测：识别基因突变是否致病，辅助疾病诊断。
- 基因治疗：设计细胞特异性基因治疗工具，减少副作用。
- 合成生物学：设计新基因组，助力人工生命研究。
- 进化研究：识别基因序列模式，研究生物进化。
- 生物工具开发：设计生物传感器等工具，推动生物技术发展。