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。
机构与公司
Arc Institute 最新动态
Arc Institute 的虚拟细胞、单细胞基础模型、Evo 系列基因组模型与生物发现研究。
4 条精选近 30 天 4 条共收录 5 条
更新
Arc Institute的精选
Arc Institute · News精选AI 评分8282
Arc Institute · News精选AI 评分6464 Arc Institute 发布 Bolero 细胞状态条件序列模型
Arc Institute 发布 Bolero，以细胞状态嵌入动态调节序列到功能的 Transformer 模型，并将论文发布至 bioRxiv。模型使用原始 DNA 序列和源自 10.8-million-cell atlas 的 cell-state embedding，直接预测细胞状态特异的转录本丰度与染色质可及性。
推荐理由：Bolero 展示了按细胞状态动态生成网络权重的方法，并给出跨物种预测、疾病变异评分和增强子设计案例。
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。
Arc Institute · News精选AI 评分8282 Arc Institute 发布利用人工整理生物知识的虚拟细胞模型 PIE
Arc Institute 发布虚拟细胞模型 PIE，利用人工整理的生物知识预测未见细胞情境、扰动及其组合中的群体响应。在各设置下，PIE 分类差异表达基因的 AUPRC 达到最强竞争方法的 1.2 to 3.2 times，未见扰动时增幅最大，但情境与扰动均未见时准确率会下降。完整代码、训练与评测流水线已上 GitHub，模型检查点和处理后的公开数据集已发布在 Hugging Face。
推荐理由：PIE将人工整理的生物知识作为输入，并给出跨未见扰动、细胞情境和数据集的对比结果，便于理解其泛化范围与限制。