使用 Evo 2 探针筛选宏基因组数据中的生物安全特征

诸如 Evo 2 之类的基因组基础模型学习了丰富的序列表示，但其在生物安全筛选中的价值在很大程度上尚未被探索。我们通过在冻结的 Evo 2 第 26 层激活上训练最小线性探针和注意力探针（不微调底层模型），来探究这些表示中线性可访问的生物安全相关信号有多少。在保留的宏基因组测试集上，探针以强判别力检测抗菌素耐药性（AMR）：线性探针达到区域级 ROC-AUC 0.888（均值池化），使用单头注意力探针时升至 0.977。探针能解析更细粒度的 AMR 药物类别子类，并将其与无关的功能基因区分开来，提供了额外证据表明学习到的信号并非仅由通用功能基因状态解释。细菌毒力也可解码，但较弱（区域级 ROC-AUC 0.833）。AMR 探针在模拟短读段上无需重新训练即可保持相当的排序性能，从而在组装计算成本高昂或不可靠的环境中实现组装前的评估。其读段级 ROC-AUC 为 0.898（均值池化），与均值池化的全区域结果相当。在 SynGenome 中，AMR 相关的提示标签仅能从 Evo 1.5 生成的序列中弱恢复；这些提示派生的标签并不能确定生成响应序列的功能。一项补充的稀疏自编码器分析恢复了可解释的耐药性相关特征，但一致性不如监督探针。总之，这些结果将轻量级基于嵌入的探针定位为宏基因组生物监测中快速、廉价的首道检测层，并描绘了该方法的长处和当前局限。这项工作是在 BlueDot Impact、Apart Research 和 Cambridge Biosecurity Hub 主办的 AIxBio Hackathon 2026 期间进行的。