Depuis des décennies, la création de vie artificielle semblait relever de la science-fiction, mais une récente avancée technologique vient bouleverser cette perspective. D'après Futura Sciences, Evo2, une intelligence artificielle développée par des chercheurs de l'Université de Stanford et de l'Arc Institute en collaboration avec Nvidia, est parvenue à générer des séquences génétiques inédites en analysant plus de 128 000 génomes et environ 9,3 milliards de nucléotides.
Ce qu'il faut retenir
- Evo2 génère des séquences génétiques inédites en s'entraînant sur des milliards de données
- Le système repère des motifs et structures dans l'ADN pour prédire de nouvelles séquences
- Une puissance de calcul exceptionnelle avec plus de 2 000 GPU Nvidia est nécessaire pour ces analyses
Une approche novatrice de l'ADN
Grâce à un modèle innovant considérant le génome comme un langage, Evo2 peut prédire des séquences inédites en identifiant les motifs et les détails structurant l'ADN. En s'appuyant sur une base de données variée comprenant des séquences de bactéries, archées, eucaryotes et bactériophages, Evo2 peut anticiper des séquences sans exemple préalable, sans réglage fin ni supervision spécifique.
Une puissance de calcul exceptionnelle
Pour parvenir à de telles prouesses, Evo2 exploite plus de 2 000 GPU Nvidia H100, capables de réaliser 4 milliards de milliards d'opérations par seconde. Son architecture, nommée StripedHyena2, intègre trois types d'opérateurs convolutionnels pour traiter des séquences très longues, jusqu'à un million de nucléotides, permettant ainsi de comprendre les interactions distantes dans le génome.
Des implications majeures pour la biologie computationnelle
Avec sa capacité à générer des séquences d'ADN inédites, Evo2 ouvre la voie à des applications variées telles que la prévision de l'impact fonctionnel de variants génétiques, la conception de génomes synthétiques ou encore la corrélation de séquences avec des fonctions biologiques potentielles. Cette avancée majeure promet de révolutionner le domaine de la biologie computationnelle et de la génétique.
