Evo 2 利用上下文学习以数十个示例从头设计调控序列
Arc Institute 团队在两篇 bioRxiv 预印本中报告，Evo 2 仅用 4–64 个上下文示例且无需额外训练，即可生成覆盖 5 类调控模式的功能序列。
推荐理由：Evo 2 以少量上下文示例完成五类调控序列设计，并经 AAV 递送在小鼠脑内验证，为低样本生物序列生成提供了可复用路径。
#Arc Institute
Arc Institute · News精选AI 评分8282
Arc Institute · News精选AI 评分6969 Arc Institute 等团队用 eclair-CLIP 构建 67 种 RNA 结合蛋白图谱
Arc Institute、Biohub、UCSF 和 Vector Institute 团队开发 eclair-CLIP，并为人类细胞中的 67 种癌症相关 RNA 结合蛋白建立图谱，在单核苷酸分辨率下映射超过 9 million 个 RNA 结合位点。
推荐理由：文章说明统一小标签和红外检测如何减少 CLIP-seq 对特异性抗体与放射性标记的依赖，并展示图谱进入模型训练后的应用路径。