EVO 2
PulseAugur coverage of EVO 2 — every cluster mentioning EVO 2 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
NVIDIA BioNeMo Agent Toolkit 为生命科学研究中的 AI 代理提供支持
NVIDIA 推出了 BioNeMo Agent Toolkit，旨在将其加速 AI 功能集成到生命科学研究工作流程中。该工具包允许 AI 代理（例如 Anthropic 的 Claude Science 平台中使用的代理）访问和利用专门的 NVIDIA 模型和微服务，以完成药物发现和蛋白质分析等任务。此次集成旨在简化复杂的科学流程，使研究人员能够使用自然语言来编排端到端工作流程并加速计算任务。
-
AI-DNA初创公司Radical Numerics获得5000万美元种子轮融资
由开发DNA生成AI模型的初创公司Radical Numerics的研究人员创立，该公司已获得5000万美元的种子轮融资。公司旨在通过教会AI同时理解和生成DNA、RNA和蛋白质等各种生物分子来彻底改变生物学。他们的技术已被用于创建首个完全由AI设计的活性病毒，并正在探索在癌症检测和病原体表征方面的应用，同时也关注生物武器的潜在风险。
-
AI 实现 DNA 编程，数据循环是关键优势
AI 正在实现 DNA 的编程，超越了 ChatGPT 等文本模型。研究人员将基因组视为一种语言，使用 Transformer 架构来预测和自动补全基因序列。然而，真正的优势不在于模型本身，而在于专有的数据循环，它将 AI 预测与现实世界的实验结果相结合，Earli 开发癌症疗法的方法就是例证。
-
AI利用基因组语言模型设计出新型、可行的噬菌体
研究人员成功利用基因组语言模型 Evo 1 和 Evo 2 生成了新型、可行的噬菌体基因组。这些基于 ΦX174 噬菌体的 AI 设计基因组产生了 16 种具有独特进化特征的功能性噬菌体。其中一些新噬菌体与原始噬菌体相比，表现出更强的适应性和更快的裂解动力学，这表明 AI 在设计用于噬菌体疗法等应用的生物系统方面具有潜力。
-
AI解读蛋白质模型以检测生物风险
研究人员开发了一种名为SAEBER的新方法，利用稀疏自编码器（SAEs）来分析RFDiffusion3和RoseTTAFold3等蛋白质设计模型。该技术识别模型中与设计毒性或有毒蛋白质的可能性相关的特征。虽然在毒性分类方面并未超越当前最先进水平，但SAEBER通过提供结构化、特征层面的解释，为理解和潜在控制有害蛋白质的生成提供了一种新颖的方法。
-
AWS 支持药物发现和患者护理的多模态人工智能模型
Amazon Web Services (AWS) 正在支持使用多模态生物基础模型 (BioFMs) 来整合和分析多样化的医疗保健数据流。这些先进的人工智能模型预先在广泛的生物数据集上进行了训练，可以同时处理文本、图像和遗传信息等多种数据类型。通过克服传统碎片化数据分析的局限性，这种方法旨在为药物发现、临床开发和个性化医疗提供更深入的见解。