一项新的研究介绍了“Evo”——这是一种机器学习模型，它能以无与伦比的精度解码和设计从分子到基因组规模的 DNA、RNA 和蛋白质序列。Evo 的预测、生成和设计整个基因组序列的能力或可改变合成生物学的运作方式。Christina Theodoris 在一篇相关的《视角》中写道：“预测细胞中所有调控层突变的影响以及通过设计 DNA 序列来操纵细胞功能的能力将对疾病的诊治产生巨大影响。”DNA 仅由四个核苷酸组成，但它却能编码生命所必需的所有基因信息。基因组序列的变化反映了为特定生物功能所选择的适应性变化。这些变异通过令生物体能够适应新的或正在变化的环境而驱动演化过程。DNA 测序技术的进步使得人们能够在全基因组范围内绘制基因组变异图。当与新颖机器学习算法相结合时，这些数据可以创建一个能够理解 DNA、RNA 和蛋白质功能及其相互作用的综合模型。但是，尽管一些研究人员在大型语言模型 (LLMs) 成功的激励下试图通过应用类似的技术将 DNA 建模为一种“语言”，但当前的生成模型往往只关注单个分子或 DNA 片段。除了计算限制之外，当前的生成模型还限制了这些模型在捕捉理解复杂生物学过程所必需的更广泛的基因组相互作用的范围。 Eric Nguyen 和同事在此介绍了 Evo——它是一种配备了 70 亿个参数的大规模基因组基础模型，其设计目的是生成全基因组规模的 DNA 序列。在 StripedHyena 架构之上建立的Evo 是在一个有 270 万个多样化演变的微生物基因组的数据集上进行训练的。据 Nguyen 等人披露，Evo 在预测性和生成性生物学任务方面都表现出色，在预测突变对细菌蛋白质和 RNA 影响的零样本评估中以及在基因调控建模方面都实现了高精度。Evo 还掌握了编码和非编码序列之间复杂的协同演化，从而可对复杂生物系统（如 CRISPR-Cas 复合物和转座子）的设计提供支持。Evo 可在基因组尺度生成长度超过 1 兆碱基的序列，这一能力远远超过了之前的模型。Theodoris 在《视角》中写道：“通过用更长上下文来捕捉更大尺度基因组中的基因组远距离相互作用，未来的模型或可对人类和其他真核生物不同的基因组进行学习。”

一项新的机器学习研究预测，如果不采取干预措施，全球塑料垃圾可能会在 2050 年时翻倍。然而，根据该研究作者的模拟预测，一组干预措施政策可以将塑料垃圾减少逾 9 成，并可以将塑料相关性排放减少三分之一。随着正在进行的联合国条约谈判，这些发现将为应对塑料危机提供一幅重要的设计蓝图。几十年来，塑料产量不断增加，导致塑料垃圾激增和环境处置失当。在降解过程中，塑料会分解为微米级和纳米级塑料，它们会危害从北极到深海栖息地等全球生态系统，给健康带来重大风险，其中包括罹癌风险增加、心血管疾病和生殖问题。塑料的生命周期还会通过油气开采、生产和废物处理产生的排放而加剧气候变化。全球南方国家不成比例的塑料垃圾负担以及塑料设施频繁设在边缘化社区附近等都引发了紧迫的环境正义问题。最近，全球出现了想解决这些问题的势头，最终导致联合国在 2022 年通过决议：就一项具有法律约束力的遏制塑料污染的条约进行谈判。 为助力这项工作，Samuel Pottinger 和同事开发了一种新颖的机器学习模型，旨在预测到 2050 年时的全球塑料生产、贸易和废物管理趋势。他们还就八项可行的干预措施政策对减少塑料废物和排放的影响进行了模拟。Pottinger 等人发现，如果不采取干预措施，预计到 2050 年时，每年因管理不善导致的塑料垃圾几乎会翻倍：达 1.21 亿公吨。与此同时，预计全球塑料系统所造成的温室气体年度排放量也会在同一时期增加 37%。然而，作者还证明，包括生产上限、强制回收令、包装税和基础设施投资在内的综合性干预政策可以将因管理不善造成的塑料垃圾减少高达 91%，并将 2050 年时的与塑料相关的排放量减少约三分之一。Pottinger 等人写道：“总的来说，这些观察结果就有关如何在起草联合国塑料污染条约期间以及在其实施的较长时间跨度内最大限度地发挥其影响及时提供了意见。这些结果清楚地显示，只要政治上有足够的意愿，技术上就会有足够的潜能来大幅减少管理不善造成的塑料垃圾，并能有意义地解决一些更为隐蔽的相关问题。”