arXiv · 15.07.2026 ·Исследования и наука

Использование фундаментальных геномных моделей для биозащиты

Исследователи изучили возможности фундаментальной геномной модели Evo 2 в задачах биозащиты. Используя линейные и механизмы внимания (attention probes) поверх замороженных активаций 26-го слоя модели, авторы оценили способность нейросети выявлять патогенные сигналы в метагеномных данных. Результаты показывают, что модель эффективно извлекает значимые для биобезопасности признаки без необходимости дообучения всей архитектуры.

Работа фокусируется на методе «зондирования» (probing), который позволяет извлекать скрытые закономерности из предобученных представлений последовательностей ДНК. Это открывает путь к созданию быстрых и масштабируемых инструментов для анализа биологических угроз в реальном времени. В отличие от традиционных методов поиска по базам данных, подход на основе нейросетевых эмбеддингов позволяет обнаруживать потенциально опасные последовательности, даже если они не имеют прямых аналогов в известных библиотеках.

Применение таких моделей в биоинформатике позволяет автоматизировать скрининг метагеномных образцов, что критически важно для мониторинга новых патогенов. Исследование подтверждает, что современные архитектуры, обученные на огромных массивах биологических данных, обладают глубоким пониманием структурных особенностей геномов, которые могут быть использованы для обеспечения глобальной биологической безопасности.

Ключевые факты

Исследование базируется на архитектуре Evo 2, специализированной фундаментальной модели для анализа геномных последовательностей.
Метод использует замороженные активации 26-го слоя модели, что минимизирует вычислительные затраты на анализ.
Оценка проводилась путем обучения минимальных линейных и attention-зондов для классификации биоугроз в метагеномных наборах данных.
Подход доказывает наличие линейно доступных сигналов биобезопасности в скрытых представлениях модели без необходимости полного fine-tuning.
Результаты демонстрируют высокую точность классификации на отложенных (held-out) тестовых выборках метагеномных данных.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

Hacker News · Исследования и наука ИИ-модели связывают развитие эмбрионов, экологию и генетические заболевания Исследователи применяют методы машинного обучения для анализа сложных биологических систем, объединяя данные о развитии эмбрионов, влиянии окружающей среды и механизмах возникновения болезней. Новые вычислительные подходы позволяют выявлять скрытые закономерности в экспрессии генов, что помогает предсказывать последствия внешних воздействий на организм и лучше понимать природу врожденных патологий на молекулярном уровне. Hacker News · Исследования и наука Глубокое обучение выявило новый ЭКГ-биомаркер внезапной сердечной смерти Исследователи применили методы глубокого обучения для анализа данных электрокардиограмм, что позволило обнаружить новый биомаркер, предсказывающий риск внезапной сердечной смерти. Модель анализирует тонкие паттерны в электрической активности сердца, которые остаются незаметными для традиционных методов диагностики, открывая новые возможности для раннего выявления пациентов из групп высокого риска и превентивной терапии сердечно-сосудистых заболеваний. Hacker News · Оценка и бенчмарки OpenAI представила GeneBench-Pro для оценки моделей в биологических исследованиях OpenAI выпустила GeneBench-Pro — специализированный набор инструментов для оценки производительности ИИ-моделей в задачах молекулярной биологии и генетики. Платформа позволяет стандартизировать тестирование нейросетей, анализирующих геномные данные, предсказывающих структуру белков и моделирующих взаимодействие лекарственных препаратов, что критически важно для развития высокоточных медицинских технологий и ускорения разработки новых терапевтических решений на базе машинного обучения. Hacker News · Исследования и наука ИИ помог обнаружить антимикробные пептиды в структуре прионов Исследователи применили методы глубокого обучения для анализа прионных белков, традиционно считавшихся патогенными агентами, вызывающими нейродегенеративные заболевания. С помощью специализированных алгоритмов удалось выявить скрытые последовательности, обладающие выраженными антимикробными свойствами. Эти пептиды способны эффективно подавлять рост патогенных бактерий, что открывает новые перспективы в разработке антибиотиков нового поколения. arXiv · Безопасность и алайнмент Уязвимость NLP-классификаторов к эволюционным состязательным атакам Исследователи представили новый метод генерации состязательных атак на NLP-модели, использующий эволюционные алгоритмы для подбора токенов. Метод позволяет обходить классификаторы, внося минимальные семантические изменения в текст, которые остаются незаметными для человека, но критически искажают предсказания нейросетей. Работа подчеркивает необходимость разработки более устойчивых архитектур для защиты систем обработки естественного языка от целенаправленных манипуляций. arXiv · Машинное обучение Биологически обоснованные нейросети для анализа онкологических данных Исследователи представили архитектуру Pathway Activity Autoencoders (PAA), предназначенную для интеграции мультиомиксных данных в онкологии. Модель объединяет глубокое обучение с биологическими знаниями о сигнальных путях, что позволяет преодолеть разрыв между высокой предсказательной способностью нейросетей и необходимостью интерпретируемости результатов. Метод эффективно выявляет сложные взаимодействия молекулярных признаков, критически важных для стратификации рисков у пациентов. Hacker News · Машинное обучение Сравнение моделей машинного обучения в поиске низкомолекулярных лекарств Исследователи провели сравнительный анализ эффективности различных моделей машинного обучения при поиске низкомолекулярных соединений для фармацевтических разработок. В работе оценивается способность алгоритмов предсказывать биологическую активность молекул и их пригодность для создания лекарственных препаратов. Результаты подчеркивают критическую зависимость точности прогнозов от качества обучающих выборок и архитектурных особенностей используемых нейросетей в задачах хемоинформатики. Hacker News · Исследования и наука Исследователи обнаружили «нейроны безопасности» в LLM для поиска уязвимостей в коде Исследователи выявили специфические слои нейронов в архитектуре больших языковых моделей, которые отвечают за распознавание уязвимостей в программном коде. Анализ показал, что эти нейронные структуры активируются при обработке небезопасных паттернов, что позволяет использовать их для автоматизированного аудита безопасности. Открытие дает новый метод интерпретации внутренних механизмов принятия решений моделями при анализе кода. OpenAI News · ИИ в бизнесе Использование моделей рассуждения для диагностики редких генетических заболеваний Исследователи применили возможности современных моделей рассуждения OpenAI для анализа сложных клинических случаев, связанных с редкими генетическими патологиями у детей. В рамках пилотного проекта нейросеть анализировала медицинские данные пациентов, чьи диагнозы оставались невыясненными на протяжении длительного времени, несмотря на использование стандартных методов обследования. Hacker News · Исследования и наука ИИ в биологии: попытки расшифровать сложность человеческой клетки Сильвана Коннерманн в своем выступлении на TED анализирует потенциал искусственного интеллекта в расшифровке биологических процессов человеческой клетки. Исследовательница подчеркивает, что сложность клеточных механизмов требует новых вычислительных подходов, способных интерпретировать огромные массивы генетических данных. ИИ становится ключевым инструментом для понимания того, как именно генетические инструкции превращаются в функциональные биологические системы, что открывает новые горизонты для медицины.

← Все материалы