Το Google DeepMind ανακοίνωσε το AlphaGenome Atlas στις 8 Σεπτεμβρίου, μια βάση δεδομένων που προβλέπει τα αποτελέσματα κάθε πιθανής μεμονωμένης παραλλαγής νουκλεοτιδίου στο ανθρώπινο γονιδίωμα - τον πιο ολοκληρωμένο κατάλογο, λέει η εταιρεία, για το πώς οι γενετικές μεταλλάξεις επηρεάζουν τη μοριακή βιολογία. Η έκδοση μετατρέπει το μοντέλο AlphaGenome της DeepMind σε έναν προ-υπολογισμένο πόρο με δυνατότητα αναζήτησης που οι κλινικοί ερευνητές και οι βιολόγοι μπορούν να αναζητήσουν χωρίς να γράψουν μια γραμμή κώδικα.
Το πρόβλημα 98 τοις εκατό For more context on this story, see our ongoing artificial intelligence updates.
Το ανθρώπινο γονιδίωμα περιέχει περίπου 3 δισεκατομμύρια ζεύγη βάσεων DNA και οι επιστήμονες καταλαβαίνουν σχετικά καλά μόνο το 2 τοις εκατό που κωδικοποιεί τις πρωτεΐνες. Το υπόλοιπο 98 τοις εκατό - μεγάλο μέρος του ρυθμιστικό - παρέμεινε θολό. Το μοντέλο AlphaGenome της DeepMind έχει ήδη δείξει πώς μεμονωμένες αλλαγές σε αυτές τις μη κωδικοποιητικές περιοχές μπορούν να διαταράξουν τις μοριακές διεργασίες όπως η παραγωγή πρωτεϊνών, αλλά για την εταιρεία η μεγαλύτερη εικόνα του πώς οι παραλλαγές διαμορφώνουν τη μοριακή βιολογία σε κλίμακα παρέμενε ασαφής.
Μια παραλλαγή ενός νουκλεοτιδίου είναι μια αλλαγή σε ένα ακριβώς γράμμα του αλφαβήτου του DNA των τεσσάρων γραμμάτων. Καθένας από εμάς φέρει εκατομμύρια από αυτά, και οι περισσότεροι δεν κάνουν απολύτως τίποτα — αλλά ένα μικρό κλάσμα αλλάζει τον τρόπο ενεργοποίησης και απενεργοποίησης των γονιδίων, τον τρόπο συναρμολόγησης του RNA ή τον τρόπο κατασκευής των πρωτεϊνών. Το δύσκολο μέρος δεν ήταν ποτέ η εύρεση αυτών των παραλλαγών. Η φτηνή αλληλουχία έκανε αυτή τη ρουτίνα πριν από χρόνια. Το δύσκολο μέρος είναι η ερμηνεία: για τη συντριπτική πλειονότητα των πιθανών αλλαγών ενός γράμματος, δεν έχει γίνει ποτέ πείραμα, έτσι οι ερευνητές έπρεπε να βασιστούν σε υπολογιστικά μοντέλα για να μαντέψουν τις μοριακές τους συνέπειες.
Το AlphaGenome Atlas είναι η προσπάθεια της DeepMind να παρέχει αυτήν την ερμηνεία σε ένα μέρος. Η ομάδα, με επικεφαλής τον Pushmeet Kohli, Αντιπρόεδρο Επιστήμης στο Google DeepMind και Επικεφαλής Επιστήμονας στο Google Cloud, μαζί με τον επικεφαλής της πρωτοβουλίας γονιδιωματικής Ziga Avsec, χρησιμοποίησαν το μοντέλο AlphaGenome για να υπολογίσουν εκ των προτέρων τον ρυθμιστικό αντίκτυπο και των 9 δισεκατομμυρίων γενετικών αλλαγών ενός γράμματος — κάθε πιθανή παραλλαγή μεμονωμένου νουκλεοτιδίου — παράγοντας κατά προσέγγιση ένα σύνολο δεδομένων. Αντί κάθε εργαστήριο να επανεκτελεί συμπεράσματα κλίμακας γονιδιώματος στο δικό του σύμπλεγμα, οι προβλέψεις υπάρχουν τώρα ως κοινόχρηστος, αμφισβητούμενος κατάλογος.
Μία βαθμολογία για την ιεράρχηση παραλλαγών
Η διερεύνηση των προβλέψεων σε κλίμακα petabyte θα ήταν από μόνη της ένα ερευνητικό έργο, έτσι ο Atlas εισάγει τη βαθμολογία AlphaGenome Variant Impact (AVI). Η ενιαία, εύχρηστη βαθμολογία συνδυάζει προβλέψεις τόσο σε περιοχές κωδικοποίησης όσο και σε μη κωδικοποιητικές περιοχές, επιτρέποντας στους ερευνητές να δώσουν γρήγορα προτεραιότητα στις πιο υποσχόμενες παραλλαγές αντί να διασχίζουν χιλιάδες μεμονωμένα σημεία δεδομένων για κάθε μία. Στο πλαίσιο του DeepMind, ο Atlas λειτουργεί ως «συνεργάτης αύξησης» για την επιστημονική κοινότητα, επιταχύνοντας την έρευνα σε τομείς από σπάνιες γονιδιωματικές παραλλαγές έως πολύπλοκα χαρακτηριστικά.
Επιλύει ήδη περιπτώσεις σπάνιων ασθενειών
Ο Άτλαντας δεν είναι μια υποθετική πηγή: Η DeepMind λέει ότι οι ερευνητές τον χρησιμοποιούν ήδη. Στο Broad Institute, η Laura Covill και η ομάδα της εφάρμοσαν τη βαθμολογία AVI για να δώσουν προτεραιότητα σε παραλλαγές σε άλυτες περιπτώσεις σπάνιων ασθενειών. Το εργαλείο τόνισε μια κρίσιμη παραλλαγή του γονιδίου DNM1, προβλέποντας ότι δημιούργησε μια εσφαλμένη θέση ματίσματος - στοιχεία που βοήθησαν την ομάδα να λύσει με επιτυχία την υπόθεση. Για οικογένειες που έχουν περάσει χρόνια περιμένοντας μια διάγνωση, αυτή είναι η πρακτική ανταμοιβή της ερμηνείας της παραλλαγής: μετατροπή ενός διφορούμενου αποτελέσματος αλληλουχίας σε απάντηση.
Ο πόρος έχει επίσης αποδειχθεί χρήσιμος για σύνθετα χαρακτηριστικά, όπου ο εντοπισμός σπάνιων μη κωδικοποιητικών παραλλαγών είναι δύσκολος λόγω του στατιστικού θορύβου. Ο Δρ. Gareth Hawkes εφάρμοσε το AlphaGenome Atlas σε δεδομένα από περισσότερους από 54.000 συμμετέχοντες στη Biobank του Ηνωμένου Βασιλείου. Ομαδοποιώντας τις παραλλαγές σύμφωνα με τις προβλεπόμενες μοριακές τους επιδράσεις, αποκάλυψε 22 τοις εκατό περισσότερες μη κωδικοποιητικές γενετικές συσχετίσεις από την τυπική ανάλυση. Εστιάζοντας στο κορυφαίο 1 τοις εκατό των επιπτώσεων παραλλαγών, εντόπισε 19 γενετικές περιοχές που συνδέονται με τον δείκτη μάζας σώματος, κατευθύνοντας το επόμενο στάδιο της στοχευμένης έρευνας.
Δωρεάν πρόσβαση, δεν απαιτείται κωδικοποίηση
Το AlphaGenome Atlas είναι διαθέσιμο σήμερα μέσω μιας διαδικτυακής πύλης που η DeepMind λέει ότι απαιτεί μηδενικές δεξιότητες κωδικοποίησης - μια σκόπιμη επιλογή για τον εκδημοκρατισμό της πρόσβασης για κλινικούς ερευνητές και βιολόγους που δεν εργάζονται με υπολογιστικές αγωγούς μεγάλης κλίμακας. Ο Kohli και ο Avsec πλαισιώνουν την κυκλοφορία ως μέρος της συνεχιζόμενης δέσμευσης της DeepMind να επιταχύνει τη γονιδιωματική ανακάλυψη, γράφοντας ότι ο Άτλας παρέχει "θεμελιωμένες γονιδιωματικές γνώσεις" που θα επιταχύνουν τη βιολογική ανακάλυψη γενικά.
Η έκδοση συνεχίζει την επέκταση των μοντέλων τεχνητής νοημοσύνης της DeepMind για τις βιοεπιστήμες, όπου οι προ-υπολογισμένοι πόροι μετατοπίζουν τα οικονομικά της έρευνας: αντί να χρειάζεται κάθε εργαστήριο να εκτελέσει συμπεράσματα σε κλίμακα γονιδιώματος, οι προβλέψεις για όλες τις πιθανές παραλλαγές υπολογίζονται μία φορά και μοιράζονται. Για ομάδες σπάνιων ασθενειών, η διαφορά μπορεί να μετρηθεί σε επιλυμένες περιπτώσεις. για τη γενετική πολύπλοκων χαρακτηριστικών, στον αριθμό των νέων συσχετίσεων που προέκυψαν από υπάρχοντα δεδομένα βιοτράπεζων.
Θέτει επίσης το DeepMind σε έμμεσο ανταγωνισμό με ένα επιταχυνόμενο πεδίο. Τα μοντέλα ερμηνείας του γονιδιώματος και οι προγνωστικοί παράγοντες επιδράσεων παραλλαγής έχουν πολλαπλασιαστεί σε ακαδημαϊκά εργαστήρια και νεοφυείς επιχειρήσεις και η χρησιμότητα οποιουδήποτε μεμονωμένου καταλόγου εξαρτάται από την υιοθέτησή του. Αποστέλλοντας μια δωρεάν πύλη με μια ενιαία βαθμολογία, η DeepMind στοιχηματίζει ότι η ευκολία χρήσης — όχι μόνο η απόδοση του μοντέλου ακατέργαστου — καθορίζει ποιος πόρος θα γίνει μέρος της τυπικής εργαλειοθήκης κλινικής έρευνας.
Για τους παρατηρητές της τεχνητής νοημοσύνης, ο Άτλας είναι ένα περαιτέρω σήμα για το πού οδεύει η εφαρμοσμένη έρευνα τεχνητής νοημοσύνης — μακριά από τις διεπαφές συνομιλίας και προς την υποδομή για συγκεκριμένο τομέα που ενσωματώνει προβλέψεις μοντέλων απευθείας στις επιστημονικές ροές εργασίας.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
