原文發(fā)表于 《科技導(dǎo)報(bào)》2026年第5期科技新聞-前沿動(dòng)態(tài)

超長(zhǎng)記憶讓AI開(kāi)始改寫小鼠的DNA

Evo2的工作模式及用途

（圖片來(lái)源：斯坦福大學(xué)官網(wǎng)）

繼2008年人類首次化學(xué)合成生殖支原體基因組后，合成生物學(xué)領(lǐng)域今日迎來(lái)了一項(xiàng)被譽(yù)為“ChatGPT時(shí)刻”的范式突破。由Arc研究所、斯坦福大學(xué)、NVIDIA及加州大學(xué)伯克利分校等機(jī)構(gòu)聯(lián)合研發(fā)的生物基礎(chǔ)模型——Evo2正式對(duì)外公布。該模型基于9萬(wàn)億個(gè)DNA堿基對(duì)訓(xùn)練而成，不僅能夠高精度預(yù)測(cè)基因突變的致病性，更實(shí)現(xiàn)了從頭設(shè)計(jì)長(zhǎng)達(dá)百萬(wàn)堿基對(duì)的復(fù)雜基因組序列，標(biāo)志著生命代碼的操縱從“微調(diào)編輯”正式跨入“生成式編程”時(shí)代。2026年3月4日，相關(guān)研究成果發(fā)表于Nature。

人類基因組的建模一直受困于序列極長(zhǎng)且包含大量長(zhǎng)程依賴的特征。傳統(tǒng)的Transformer架構(gòu)在處理長(zhǎng)序列時(shí)計(jì)算量呈平方級(jí)增長(zhǎng)，難以完整“閱讀”長(zhǎng)達(dá)數(shù)百萬(wàn)堿基的遺傳信息。Evo2憑借創(chuàng)新的StripedHyena2混合架構(gòu)（結(jié)合了卷積和注意力機(jī)制），成功將“工作記憶”（上下文窗口）擴(kuò)展至100萬(wàn)堿基對(duì)，并保持單核苷酸級(jí)的分辨率。這意味著AI不再只能分析基因片段，而是具備了理解整本“基因組小說(shuō)”的能力，其處理吞吐量是傳統(tǒng)模型的3倍以上。

該模型在一個(gè)龐大、經(jīng)過(guò)科學(xué)策劃的數(shù)據(jù)集OpenGenome2上訓(xùn)練，該數(shù)據(jù)集包含約8.8萬(wàn)億個(gè)來(lái)自細(xì)菌、古菌、真核生物和噬菌體的核苷酸，同時(shí)出于生物安全考慮，有意排除感染真核宿主的病毒。

Evo2的性能主要在2個(gè)關(guān)鍵方向上進(jìn)行評(píng)估：

• 一是預(yù)測(cè)，即判斷特定DNA突變或其他遺傳變異是否會(huì)導(dǎo)致疾病或功能喪失；

• 二是生成，即在指導(dǎo)條件下進(jìn)行合成DNA序列的從頭設(shè)計(jì)（deno‐vodesign）。

在針對(duì)BRCA1和BRCA2等關(guān)鍵致病基因的測(cè)試中，模型在無(wú)需任何任務(wù)特異性微調(diào)的情況下，識(shí)別致病突變的準(zhǔn)確率超過(guò)90%。更具突破性的是，研究團(tuán)隊(duì)引導(dǎo)Evo2設(shè)計(jì)了特定的DNA序列，并將包含“EVO2”、“ARC”和“LO”（這是互聯(lián)網(wǎng)傳輸?shù)牡谝粭l信息）字樣的摩斯密碼信息成功編碼進(jìn)小鼠細(xì)胞的染色質(zhì)拓?fù)浣Y(jié)構(gòu)中，并通過(guò)評(píng)價(jià)基因轉(zhuǎn)錄性的實(shí)驗(yàn)驗(yàn)證。

研究團(tuán)隊(duì)利用稀疏自編碼器（SAEs）對(duì)Evo2的內(nèi)部表示進(jìn)行機(jī)制可解釋性分析，從而識(shí)別出與具體生物學(xué)功能相關(guān)的潛在特征，例如外顯子-內(nèi)含子邊界、噬菌體相關(guān)基因組區(qū)域以及與遺傳突變模式相關(guān)的編碼特征。這表明Evo2在訓(xùn)練過(guò)程中自動(dòng)學(xué)習(xí)到基因組結(jié)構(gòu)規(guī)律，而不僅僅是統(tǒng)計(jì)模式。

盡管Evo2生成的線粒體和細(xì)菌基因組在計(jì)算機(jī)預(yù)測(cè)中顯示70%的基因結(jié)構(gòu)“看起來(lái)很合理”，但合成生物學(xué)家依然保持警惕。瓦赫寧根大學(xué)教授Nico‐Claassens指出：“生命設(shè)計(jì)不能只完成70%。只要有一個(gè)關(guān)鍵代謝位點(diǎn)存在語(yǔ)法錯(cuò)誤，整個(gè)合成生命就無(wú)法正常運(yùn)行”。此外，德克薩斯大學(xué)奧斯汀分校的獨(dú)立評(píng)估顯示，Evo2生成的長(zhǎng)序列在處理高重復(fù)序列（如異染色質(zhì)區(qū)域）時(shí)容易發(fā)生“低復(fù)雜度崩潰”，表現(xiàn)出明顯的同質(zhì)化偏差。

Evo2標(biāo)志著生物學(xué)研究范式的一次重要轉(zhuǎn)變：從以往針對(duì)單一生物組分的分析，邁向?qū)φ麄€(gè)基因組復(fù)雜性的整體建模。憑借超長(zhǎng)上下文窗口及機(jī)制層面的關(guān)鍵創(chuàng)新，該模型能夠識(shí)別并解析普遍性的進(jìn)化規(guī)律，并實(shí)現(xiàn)從單細(xì)胞生物到人類等復(fù)雜生命系統(tǒng)的跨尺度泛化。

（綜合：《中國(guó)科學(xué)報(bào)》、Nature、斯坦福大學(xué)官網(wǎng)）

《科技導(dǎo)報(bào)》創(chuàng)刊于1980年，中國(guó)科協(xié)學(xué)術(shù)會(huì)刊，主要刊登科學(xué)前沿和技術(shù)熱點(diǎn)領(lǐng)域突破性的研究成果、權(quán)威性的科學(xué)評(píng)論、引領(lǐng)性的高端綜述，發(fā)表促進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展、完善科技管理、優(yōu)化科研環(huán)境、培育科學(xué)文化、促進(jìn)科技創(chuàng)新和科技成果轉(zhuǎn)化的決策咨詢建議。常設(shè)欄目有院士卷首語(yǔ)、科技新聞、科技評(píng)論、本刊專稿、特色專題、研究論文、政策建議、科技人文等。