La inteligencia artificial continúa marcando hitos en la ciencia y la tecnología. Ahora, el modelo Evo 2, desarrollado por investigadores de la Universidad de Stanford, Berkeley, California, ARC Institute y NVIDIA, promete transformar la biología computacional. Este avance permite predecir mutaciones genéticas y diseñar nuevos sistemas biológicos, ampliando los horizontes de la investigación en genética y biotecnología.
Evo 2 y su impacto en la biología generativa
El modelo Evo 2 representa un salto en el campo de la biología generativa, ya que no solo analiza secuencias genéticas, sino que también es capaz de predecir el impacto de diversas mutaciones.
Características clave de Evo 2
- Analiza grandes cantidades de datos genéticos, identificando patrones en secuencias de ADN y ARN.
- Puede predecir los efectos de mutaciones genéticas con alta precisión.
- Está disponible en Nvidia BioNeMo, una plataforma de investigación biomolecular de acceso abierto.
Según Patrick Hsu, profesor de Berkeley, este avance marca un momento clave en la biología computacional y generativa, abriendo la posibilidad de diseñar organismos completamente nuevos.
Una base de datos sin precedentes
Evo 2 ha sido entrenado con más de 9,3 billones de nucleótidos de ADN y ARN, obtenidos de 128.000 genomas completos de diversas especies, desde humanos hasta microorganismos unicelulares.
Aplicaciones de Evo 2 en la investigación biomolecular
- Descubrimiento de nuevas moléculas terapéuticas.
- Predicción de estructuras proteicas a partir de secuencias genéticas.
- Optimización de procesos de experimentación genética.
En pruebas con el gen BRCA1, asociado al cáncer de mama, Evo 2 alcanzó un 90% de precisión en la predicción del impacto funcional de mutaciones desconocidas, demostrando su potencial en la identificación de enfermedades genéticas.
Un paso hacia el diseño de nuevos organismos
La tecnología detrás de Evo 2 sugiere que, en el futuro, podría utilizarse para diseñar nuevas formas de vida con aplicaciones en biotecnología, medicina y agricultura. Sin embargo, su implementación a gran escala aún enfrenta desafíos científicos y éticos.
