Diseño semántico de genes funcionales de novo a partir de un modelo de lenguaje genómico

Área de la Ciencia:

• La genómica
• Biología sintética
• Inteligencia artificial

Sus antecedentes:

• Los modelos genómicos generativos están avanzando en el diseño de sistemas biológicos.
• El control de estos modelos para crear nuevas secuencias funcionales es un desafío significativo.

Objetivo del estudio:

• Para demostrar Evo, un modelo de lenguaje genómico, puede realizar un diseño guiado por funciones utilizando el contexto genómico.
• Permitir la generación de nuevas secuencias con las funciones deseadas a través del "diseño semántico".

Principales métodos:

• Evo aprende relaciones semánticas a través de genes procariotas para la generación de secuencias guiadas por funciones.
• Validación experimental de las proteínas anti-CRISPR generadas y de los sistemas toxina-antitoxina.
• Diseño en contexto de proteínas y ARN no codificantes sin priores estructurales o ajuste fino.

Principales resultados:

• Evo genera con éxito nuevas secuencias funcionales, incluidos los genes de novo.
• Se lograron altas tasas de éxito experimental para las proteínas diseñadas y los ARN no codificantes.
• Se creó la base de datos SynGenome, que contiene más de 120 mil millones de pares de bases generados por IA.

Conclusiones:

• La genómica generativa con modelos de lenguaje biológico puede crear secuencias más allá de las naturales.
• El enfoque de diseño semántico de Evo permite la generación robusta de nuevas secuencias genómicas guiadas por funciones.
• Este trabajo expande las capacidades de la IA en el diseño de sistemas biológicos complejos.