抢先体验Demo！基因组基础模型Evo登Science封面，实现从分子到基因组尺度的预测与生成

最近 AI 在生物学领域可谓是大放异彩。斯坦福大学联合美国 Arc 研究所 (Arc Institute) 的研究团队提出了一种基因组基础模型 Evo ，其能够在 DNA、RNA 和蛋白质的多模态任务中实现零样本预测和高精度生成。

相关研究以「Sequence modeling and design from molecular to genome scale with Evo」为题，以封面文章的形式发表在 Science 上。

作为论文的第一作者，Eric Nguyen 连发多条动态介绍 Evo 这一成果，并多次感谢团队研究成员，更是直言「能与这样一个了不起的团队合作，真是荣幸！」

据论文介绍， Evo 使用 StripedHyena 架构，在大型基因组数据集上进行训练，该数据集包含了 8 万多个细菌和古细菌基因组，以及数百万个预测的噬菌体和质粒序列，涵盖了 3 千亿个核苷酸 token，能够生成长度超过 1 兆碱基的具有合理基因组架构的 DNA 序列。

此外，Evo 参数规模达 70 亿，最大上下文长度可达 131,072 个 token，可以揭示编码序列和非编码序列之间错综复杂的共同进化，并设计出复杂的生物系统，如 CRISPR-Cas 复合物和 IS200 和 IS605 转座子。

总而言之，Evo 预测、生成和设计整个基因组序列的能力，不仅为生命科学提供新的理论支撑，还有望被应用于基因编辑、药物发现、疾病诊断、农业等领域，助力多领域的突破性成果研发。

不少网友对 Evo 的发布表示震撼，更是对该模型的具体应用充满了期待。

为了让大家第一时间体验 Evo 模型的强大功能，HyperAI超神经教程版块现已上线「Evo：从分子到基因组规模的预测和生成」，无需输入任何命令，一键克隆即可快速体验！

Demo 运行

2. 页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。

3. 点击右下角「下一步：选择算力」。

4. 页面跳转后，选择「NVIDIA RTX A6000，并根据自身需求选择「按量付费」或者「包日/周/月」，选择「PyTorch」镜像后，点击「下一步：审核」。新用户使用下方邀请链接注册，可获得 4 小时 RTX 4090 + 5 小时 CPU 的免费时长！

HyperAI超神经专属邀请链接（直接复制到浏览器打开）：

5. 确认无误后，点击「继续执行」，等待分配资源，首次克隆需等待 2 分钟左右的时间。

6. 当状态变为「运行中」后，点击「打开工作空间」选项。

7. 进入 Jupyter 工作空间后，双击点开「README」文件，即可正式进入 Evo 模型运行页面。

进入 Evo 模型运行页面后，所有参数为默认模式。下滑鼠标到「2.启动模型并输入相关参数」，即可按照自己的需求调整 prompt 参数值。需要注意的是，prompt 的默认值为「ACGT」，这代表了一段由 DNA 碱基对 (A、C、G、T) 组成的初始序列。你可以根据需要修改这个值来生成不同的 DNA 序列。

2. 例如，将 prompt 默认值改为 AGCT，当调整完默认参数值后，点击「重启并运行所有单元格」选项，选择「Restart」进行运行。

3. 稍等片刻，当 \[\*] 号变为数字时，即表示运行完成。在「2.启动模型并输入相关参数」最底部，即可看到生成的序列。

此外， Evo 模型还可以对生成的 DNA 序列进行分析，学习编码序列和非编码序列的共同进化联系。它还能从 DNA 序列中预测蛋白编码基因 (protein-coding genes)，对 RNA 系统进行编码设计，从而预测生成的蛋白质折叠结构，并最终以图像的形式呈现。

我们建立了「Stable Diffusion 教程交流群」，欢迎小伙伴们入群探讨各类技术问题、分享应用效果~