Des chercheurs de l’Université de Stanford ont développé Evo, un modèle de langage génomique formé sur les génomes bactériens, capable de concevoir de nouvelles protéines et séquences d’acides nucléiques. Le développement d’Evo exploite la caractéristique génomique bactérienne commune des gènes avec des fonctions associées regroupées. Ces groupes de gènes se transcrivent souvent en un seul ARN messager, permettant aux bactéries de réguler efficacement des voies biochimiques entières. Les chercheurs ont formé Evo en utilisant une vaste collection de génomes bactériens. Semblable aux grands modèles de langage, Evo était chargé de prédire la base suivante dans une séquence et récompensé pour ses prédictions précises. Ce modèle génératif peut produire de nouvelles séquences à partir d’invites, introduisant un degré de caractère aléatoire dans ses sorties. Cette configuration permet à Evo de lier les modèles au niveau des nucléotides au contexte génomique à l’échelle du kilobase. Lorsqu’on lui demande un grand segment d’ADN génomique, Evo l’interprète et génère un résultat génomique approprié. L’équipe a émis l’hypothèse que fournir à Evo un gène connu comme invite entraînerait des résultats codant pour des protéines ayant des fonctions associées. Une question clé était de savoir si Evo générerait des séquences pour des protéines déjà connues ou produirait de nouveaux résultats moins prévisibles. Les tests initiaux consistaient à demander à Evo des fragments de gènes protéiques connus. Étant donné 30 pour cent d’une séquence génétique connue d’une protéine, Evo a complété 85 pour cent du reste. Avec 80 pour cent de la séquence, il a restauré la totalité de la séquence manquante. Lorsqu’un seul gène était supprimé d’un groupe fonctionnel, Evo identifiait et restaurait avec précision le gène manquant. Les nombreuses données de formation d’Evo lui ont permis d’identifier les régions protéiques critiques. Les changements de séquence se sont généralement produits dans les zones où la variabilité est tolérée, ce qui indique que le système intègre des limites évolutives aux changements génétiques. Pour tester la capacité d’Evo à générer de nouveaux résultats, les chercheurs ont utilisé des toxines bactériennes, souvent codées avec des antitoxines. Ils ont fourni à Evo une toxine légèrement liée aux toxines connues, dépourvue d’antitoxine connue, et ont filtré les réponses ressemblant à des gènes d’antitoxine connus. En testant 10 des produits d’Evo, cinq ont permis de sauver une certaine toxicité et deux ont entièrement restauré la croissance des bactéries produisant la toxine. Ces deux antitoxines ne présentaient qu’une identité de séquence d’environ 25 pour cent avec les antitoxines connues. Ils ont été assemblés à partir de parties de 15 à 20 protéines individuelles ; un exemple nécessitait l’application de correctifs à partir de 40 protéines connues. Les capacités d’Evo s’étendent au-delà des protéines. Lorsqu’il est appliqué à une toxine avec un inhibiteur à base d’ARN, le système a généré de l’ADN codant pour des ARN présentant des caractéristiques structurelles correctes, malgré des séquences sans rapport avec les inhibiteurs d’ARN connus. Un test similaire impliquait des inhibiteurs du système CRISPR. L’équipe a filtré les résultats pour inclure uniquement les séquences codant pour des protéines différentes des protéines connues. Parmi ceux-ci, 17 pour cent ont inhibé la fonction CRISPR. Deux de ces inhibiteurs n’avaient aucune similitude avec des protéines connues et confondaient les logiciels conçus pour la prédiction de la structure des protéines en 3D. Evo semble capable de générer des protéines fonctionnelles entièrement nouvelles sans tenir compte de la structure des protéines. Les chercheurs ont fourni à Evo 1,7 million de gènes individuels provenant de bactéries et de leurs virus, ce qui a donné lieu à 120 milliards de paires de bases d’ADN généré par l’IA, comprenant à la fois du matériel génétique connu et potentiellement nouveau. Cette approche peut ne pas se traduire par des génomes plus complexes comme les vertébrés, qui ne regroupent généralement pas de gènes ayant des fonctions connexes et possèdent des structures génétiques plus complexes. Cette méthode aborde des problèmes différents de ceux des efforts de conception dirigés, tels que le développement d’enzymes de digestion du plastique. Les résultats ont été publiés dans Nature en 2025.
