Evo 2 es un modelo fundacional genómico de gran escala publicado por Arc Institute en colaboración con Stanford y NVIDIA. Trata las secuencias de ADN, ARN y proteínas como un lenguaje común para analizarlas y diseñarlas. Se entrenó con más de 9 billones de bases de organismos de todos los dominios, incluidas bacterias y arqueas. Su arquitectura StripedHyena 2 mantiene precisión a nivel de base y procesa hasta 1 millón de tokens de información genómica. Los modelos biológicos basados en atención se vuelven costosos cuadráticamente con la longitud de la secuencia y suelen limitarse a contextos cortos. Evo 2 sustituye ese cuello de botella por una arquitectura híbrida de modelos de espacio de estados implícitos y convoluciones, permitiendo estudiar regiones no codificantes extensas e interacciones de largo alcance entre potenciadores y promotores. En biología sintética puede generar unidades completas de regulación transcripcional, incluidos promotores y potenciadores, a partir de secuencias reguladoras y codificantes. En investigación clínica puede estimar cómo un polimorfismo de una sola base en una región no codificante afecta la función y el riesgo de enfermedad. Estas predicciones in silico deben validarse experimentalmente antes de aplicarse a terapias o diseño de organismos.

Modelo fundacional genómico de escala extrema de Arc Institute, Stanford y NVIDIA para analizar y diseñar secuencias de ADN, ARN y proteínas.

Predicción genómica de función y variantes: Introducir secuencias de ADN humano de más de 10 kbp para estimar rápidamente el fitness y el cambio transcripcional de mutaciones puntuales no codificantes y analizar sus efectos funcionales in silico.