Nvidia анонсировала систему по анализу данных в генетике – Evo 2
Evo 2 представляет собой новейшую модель, способную проводить углубленный анализ ДНК, предсказывать структуру и функции белков, а также оценивать влияние генетических мутаций на живые организмы. Эта модель искусственного интеллекта была натренирована на колоссальном объеме данных, включающем свыше 9 триллионов нуклеотидов, собранных из 128 000 различных организмов, включая представителей флоры и фауны, а также микроорганизмов. Такой масштаб обучения открывает перед Evo 2 огромные возможности для трансформации генетических исследований.
Evo 2 представляет собой новейшую модель, способную проводить углубленный анализ ДНК, предсказывать структуру и функции белков, а также оценивать влияние генетических мутаций на живые организмы. Эта модель искусственного интеллекта была натренирована на колоссальном объеме данных, включающем свыше 9 триллионов нуклеотидов, собранных из 128 000 различных организмов, включая представителей флоры и фауны, а также микроорганизмов. Такой масштаб обучения открывает перед Evo 2 огромные возможности для трансформации генетических исследований.
Одной из основных задач Evo 2 является обнаружение мутаций в генах, связанных с различными заболеваниями, что может поспособствовать созданию более эффективных и точных методов лечения, особенно в области онкологии. Применяя эту модель, ученые смогут глубже изучить взаимосвязь между генетическими изменениями и заболеваниями, что в будущем может привести к разработке более персонализированных терапий.
Проект был реализован на базе облачных технологий Nvidia DGX Cloud, где использовались 2000 процессоров Nvidia H100. Evo 2 доступна для исследователей через платформу Nvidia BioNeMo, что упрощает её использование в научной и медицинской сферах. Ученые могут загружать свои собственные данные и адаптировать модель под конкретные исследовательские задачи.
Кроме медицины Evo 2 находит применение и в сельском хозяйстве, помогая развивать культуры, устойчивые к изменению климата, а также в экологии, где способствует созданию биоразлагаемых материалов. Модель может обрабатывать длинные генетические последовательности, что помогает глубже понять клеточные механизмы и генетические нарушения.
