Nature | 告别结构先验：Evo模型如何利用“基因组语义”实现功能基因的从头设计？

主要观点总结

本文介绍了研究人员利用基因组语言模型Evo，通过语义设计创造出功能基因的壮举。他们通过构建Evo 1.5模型，使用大量的原核生物基因组数据训练，并展现了其强大的自动补全基因序列能力。此外，该研究将目光投向了创造功能蛋白的挑战，成功生成了毒素、抗毒素、RNA抗毒素、抗CRISPR蛋白等。通过精细的残基覆盖度分析，发现Evo能够重新组合生命的积木，生成在自然界中不存在的基因序列，却能在实验中完美执行预期功能。同时，研究人员利用Evo 1.5生成了一个名为SynGenome的合成基因组数据库，为未知生物学的挖掘提供了丰富的资源。这项研究展示了一种全新的生物学范式，功能可以通过“语境”来定义，而不仅仅是结构和序列的相似性。

关键观点总结

关键观点1: Evo模型通过语义设计实现了基因的自动补全。

研究人员构建了Evo 1.5模型，通过训练大量原核生物基因组数据，使其具备强大的自动补全基因序列能力。

关键观点2: Evo模型能够创造出功能蛋白。

研究通过语义设计成功生成了毒素、抗毒素、RNA抗毒素、抗CRISPR蛋白等，证明了Evo模型的创造力。

关键观点3: Evo模型具备强大的序列重组能力。

通过对生成的蛋白质进行残基覆盖度分析，发现Evo能够重新组合生命的积木，生成自然界中不存在的基因序列。

关键观点4: 研究人员利用Evo 1.5生成了合成基因组数据库SynGenome。

这个数据库包含了丰富的合成基因组信息，为未知生物学的挖掘提供了宝贵的资源。

关键观点5: 这项研究展示了全新的生物学范式。

功能可以通过“语境”来定义，而不仅仅是结构和序列的相似性。这一发现拓展了我们对生物学知识的理解。