從微小的樹蛙到高聳的紅杉，再到人類自身，DNA 是驅(qū)動地球上一切生命的核心密碼。而現(xiàn)在，一種全新的人工智能模型正幫助科學(xué)家以前所未有的規(guī)模解讀這種生命語言，為生物學(xué)和醫(yī)學(xué)研究帶來革命性的突破。

今年2月，加州大學(xué)伯克利分校生物工程助理教授 Patrick Hsu 和其團(tuán)隊在預(yù)印本平臺 bioRxiv 上發(fā)布了全球最大的生物AI模型 Evo 2。這一模型由他們共同創(chuàng)辦的非營利機(jī)構(gòu) Arc Institute 開發(fā)，訓(xùn)練數(shù)據(jù)量超過 9.3 萬億個核苷酸，來自包括細(xì)菌、植物、動物在內(nèi)的 10 萬個物種，涵蓋 12.8 萬個完整基因組。

Hsu 形容 Evo 2 是“生物學(xué)領(lǐng)域的 ChatGPT”——這款A(yù)I模型不僅可以分析大規(guī)模遺傳數(shù)據(jù)，還能預(yù)測基因變異是否具有致病性，并輔助設(shè)計全新的治療方案。

破解未知的基因變異，提升疾病風(fēng)險預(yù)測能力

以 BRCA1 基因為例，它是與乳腺癌密切相關(guān)的重要基因。某些 BRCA1 突變已知具有致癌性（pathogenic），另一些則無害（benign），但大部分突變屬于“意義不明變異”（Variant of Unknown Significance，VUS）——醫(yī)學(xué)界尚無法判斷其風(fēng)險。

“如果你攜帶致病突變，可能需要切除乳腺；如果是良性突變，一年一次的篩查就足夠。但當(dāng)面對 VUS 時，醫(yī)生和患者都面臨決策困境，”Hsu 指出，“而 Evo 2 已經(jīng)能以90%以上的準(zhǔn)確率，判斷這些變異更可能是致病還是無害?！?/p>

AI語言模型如何解讀“生命之語”

Evo 2 的工作原理與大型語言模型如 ChatGPT 類似——但它處理的不是人類語言，而是DNA和RNA中由A、C、G、T、U五種核苷酸組成的生命語言。

“如果我給你一串核苷酸序列，比如 G, T, G, C, A, T, C……你很難預(yù)測下一個會是什么，”Hsu 解釋道，“但 AI 可以從數(shù)萬億的數(shù)據(jù)中學(xué)習(xí)出復(fù)雜的序列規(guī)律和生物學(xué)特性。”

Evo 2 可以一次性處理 多達(dá)一百萬個核苷酸，大幅提升對全基因組數(shù)據(jù)中隱藏模式的挖掘能力，這種能力使它不僅能預(yù)測疾病風(fēng)險，還能揭示疾病發(fā)生的根本機(jī)制，甚至引導(dǎo)新藥開發(fā)的方向。

從“試錯”到“智能設(shè)計”：AI能否加速臨床突破？

長期以來，生物醫(yī)學(xué)研究多依賴“假設(shè)—實驗—驗證”的試錯機(jī)制，效率低、成本高，而治療藥物的研發(fā)尤其如此：90%的臨床試驗最終以失敗告終。

“我們做了大量生物實驗，但最終可能是在研究錯誤的靶點(diǎn)，”Hsu 說，“AI的價值就是讓我們從一開始就走在正確的道路上?！?/p>

Evo 2 已經(jīng)能準(zhǔn)確識別哪些RNA基因?qū)τ诩?xì)胞功能至關(guān)重要，哪些則無關(guān)緊要；它還能夠指出哪些基因調(diào)控細(xì)胞行為并可能導(dǎo)致疾病，從而幫助研究人員更早鎖定關(guān)鍵靶點(diǎn)。

Amgen全球研發(fā)高級副總裁 Howard Chang 表示：“過去mRNA從1961年被發(fā)現(xiàn)，到新冠疫苗真正應(yīng)用，整整花了60年。我們不能再讓生物醫(yī)學(xué)突破等待幾十年?！?/p>

用AI對抗阿爾茨海默癥：一場科學(xué)家的私人使命

對 Hsu 來說，這不僅是科研，更是情感驅(qū)動的使命。他的祖父在他少年時期罹患阿爾茨海默癥，疾病帶來的無力感深深影響了他的人生選擇。如今，Hsu 在加州大學(xué)和 Arc Institute 繼續(xù)聚焦這類目前仍無有效療法的復(fù)雜疾病。

“你去看美國30年前的致死疾病排行榜，今天仍是那些老面孔：心臟病、癌癥、阿爾茨海默癥。我們投了越來越多的錢，研究了越來越多的課題，但真正的治愈進(jìn)展依然有限，”他說。

他希望，通過 Evo 2 這類AI工具，可以實現(xiàn)真正意義上的“個性化醫(yī)療”——將基因組數(shù)據(jù)與個人健康記錄結(jié)合，預(yù)測個體患病風(fēng)險，并制定精準(zhǔn)治療方案。

展望：一個更高效、更健康的未來

未來，Evo 2 有望成為科學(xué)家手中的“生命預(yù)言機(jī)”，幫助他們厘清基因與疾病之間復(fù)雜的因果關(guān)系，加快從“理解機(jī)制”到“開發(fā)療法”的每一步。

“我們的目標(biāo)不僅是知道某個突變是否會致病，”Hsu 總結(jié)道，“而是全面識別遺傳組合如何影響健康，并用這一信息為每個人制定最合適的醫(yī)療策略?！?/p>

參考文獻(xiàn)：Garyk Brixi et al, Genome modeling and design across all domains of life with Evo 2,?bioRxiv?(2025).?DOI: 10.1101/2025.02.18.638918

編輯：王洪

排版：李麗