奧勒岡大學研究團隊開發一款新型AI模型，透過解讀DNA序列中的突變模式，能夠在數分鐘內重建物種祖源，遠比傳統方法更快，此技術有望應用於理解疾病抗性基因的演化史，並能處理不完整的DNA資料集，為生物學研究帶來突破。
美國奧勒岡大學（University of Oregon）的研究團隊開發出一款新型人工智慧（AI）模型，能夠解讀DNA序列，以重建物種的祖源，此項技術有望大幅加速生物演化研究。
這項研究的成果在於，該AI模型透過分析基因編碼中的突變，追溯基因的共同祖先。領導這項研究的Kevin Korfmann表示，他們無法重複演化過程，因此建立模擬是關鍵工作流程之一。這些模擬會模仿演化過程，產生的結果則用來訓練他們的深度學習模型。
該模型採用了GPT-2這類較早期的機器學習架構，並透過細菌、齧齒動物、蚊子及靈長類等多種物種的基因演化模擬進行訓練。在測試中，這款AI模型的表現與傳統統計方法旗鼓相當，但在處理速度上展現顯著優勢。傳統的數學方法可能需要數小時甚至數天才能解碼單一蚊子染色體，而新型AI工具僅需數分鐘即可完成。
奧勒岡大學生物學教授安德魯·柯恩（Andrew Kern）指出，生成式AI及其底層架構的進步，在聊天機器人以外的許多領域都具有潛在應用價值。Kevin Korfmann解釋，與經典的推論方法相比，AI工具不需逐一推論每個突變，而是直接讀取模式，因為所有耗時的統計工作已在訓練階段預先完成，從而規避了瓶頸。
此AI工具的應用潛力廣泛，例如能協助科學家判斷物種何時發展出特定性狀，或疾病抗性基因何時出現。以蚊子對殺蟲劑的抗性為例，這是防治瘧疾傳播的一大挑戰。安德魯·柯恩提到，現在可以利用AI模型，探究這些抗性基因在族群中何時產生，進而了解這種瘧疾關鍵載體的演化史。
該模型還能處理不完整的DNA資料集，這對於研究人員來說是常見的難題。Kevin Korfmann表示，機器學習領域有許多尚未應用於生物學的技術，還有大量轉化工作要做，才能讓這些新穎演算法在生物學中發揮作用。研究團隊計畫未來利用機器學習，建構跨多個譜系的完整系譜樹。