Το Google DeepMind κυκλοφόρησε το AlphaGenome 2, ένα νέο μοντέλο AI για γονιδιωματική έρευνα που προβλέπει πώς οι παραλλαγές του DNA επηρεάζουν συγκεκριμένους τύπους ανθρώπινων κυττάρων — και βρίσκει σχεδόν διπλάσιες σχετικές αλλαγές γονιδίων από τον προκάτοχό του, σύμφωνα με την κάλυψη του The Decoder της ανακοίνωσης της εταιρείας.
Η έκδοση αντιμετωπίζει ένα από τα επίμονα προβλήματα της γονιδιωματικής: κάθε κύτταρο στο ανθρώπινο σώμα φέρει το ίδιο σχέδιο DNA, αλλά ένα κύτταρο καρδιακού μυός διαβάζει αυτό το DNA διαφορετικά από ένα κύτταρο του ανοσοποιητικού. Η πρόβλεψη αυτών των ειδικών διαφορών για τα κύτταρα - και ο εντοπισμός ποιες από τις εκατομμύρια πιθανές αλλαγές στο γράμμα του DNA προκαλούν στην πραγματικότητα ασθένεια - παρέμεινε μια από τις μεγαλύτερες άλυτες προκλήσεις του πεδίου. Η ανακοίνωση του Google DeepMind, που καλύφθηκε ευρέως την Πέμπτη, τοποθετεί το AlphaGenome 2 ως άμεση επίθεση σε αυτό το πρόβλημα και ο Sundar Pichai τόνισε το πλαίσιο ότι "κάθε κύτταρο στο σώμα μας μοιράζεται το ίδιο σχέδιο DNA" στην κάλυψη εκτόξευσης που αναφέρθηκε από τον Benzinga.
Από τις μαζικές προβλέψεις στην ακρίβεια τύπου κυψέλης
Το αρχικό AlphaGenome πήρε μια ακολουθία DNA μήκους ενός εκατομμυρίου γραμμάτων και προέβλεψε τις ιδιότητές του σε χιλιάδες πειράματα που καλύπτουν πολλούς ιστούς ταυτόχρονα. Σύμφωνα με το Google DeepMind, αυτή η παράλληλη προσέγγιση εξαπλώνει τη χωρητικότητα του μοντέλου πολύ λεπτή, καθιστώντας δύσκολη την καταγραφή λεπτών διαφορών μεταξύ των στενά συνδεδεμένων τύπων κυττάρων.
Το AlphaGenome 2 λειτουργεί διαφορετικά. Είναι ένα υπό όρους μοντέλο: παράλληλα με την αλληλουχία DNA, παίρνει μια συγκεκριμένη βιολογική κατάσταση ως πρόσθετη είσοδο και υπολογίζει τα αποτελέσματα για τον συγκεκριμένο τύπο κυττάρου. Το σύστημα εκπαιδεύτηκε σε περισσότερα από 107 εκατομμύρια μεμονωμένα κυτταρικά προφίλ που εκτείνονται σε 68 ιστούς σε ανθρώπους και ποντίκια.
Το μοντέλο υπερβαίνει την πρόβλεψη του πόσο έντονα εκφράζεται ένα γονίδιο. Υπολογίζει επίσης πώς το DNA συσκευάζεται φυσικά μέσα στον πυρήνα - δείχνοντας ποια τμήματα του γονιδιώματος είναι προσβάσιμα - και τώρα προβλέπει τη μεθυλίωση του DNA, τις χημικές ετικέτες που λειτουργούν ως μοριακές διακόπτες για τη σίγαση ή την ενεργοποίηση γονιδίων.
Αποτελέσματα συγκριτικής αξιολόγησης: Ένα μεγάλο άλμα στην ανίχνευση αιτιατικής παραλλαγής
Στο σύνολο δεδομένων αναφοράς TenK10K που καλύπτει 28 πρωτεύοντες τύπους ανοσοκυττάρων, το AlphaGenome 2 αναγνώρισε περίπου το 30 τοις εκατό των αιτιολογικών παραλλαγών και προέβλεψε σωστά εάν μια παραλλαγή ρυθμίζει προς τα πάνω ή προς τα κάτω ένα γονίδιο στο 43 τοις εκατό των περιπτώσεων. Μια τελειοποιημένη έκδοση του αρχικού AlphaGenome διαχειρίστηκε μόλις το 16 τοις εκατό και το 23 τοις εκατό στις ίδιες εργασίες, σύμφωνα με τα στοιχεία του Google DeepMind που αναφέρει το The Decoder.
Αυτή η βελτίωση έχει σημασία επειδή οι μελέτες συσχέτισης σε όλο το γονιδίωμα (GWAS) μπορούν να εντοπίσουν μόνο χονδρικά σήματα ασθένειας σε μεγάλες εκτάσεις του DNA. Η καλύτερη πρόβλεψη αιτιώδους παραλλαγής λέει στους ερευνητές ποιες από τις πολλές παραλλαγές σε μια συνδεδεμένη περιοχή αξίζουν πραγματικά πειραματική παρακολούθηση - τη διαφορά μεταξύ ενός μολύβδου και ενός αδιεξόδου.
Το μοντέλο μπορεί επίσης να συναγάγει δεδομένα που λείπουν από μία μόνο μέτρηση. Εάν οι ερευνητές μετρούν μόνο τη γονιδιακή δραστηριότητα ενός κυττάρου, το AlphaGenome 2 παρέχει προβλέψεις για πρόσθετες ιδιότητες, όπως το πόσο σφιχτά συσκευάζονται συγκεκριμένες τεντώσεις DNA. Αυτό βοηθά τα εργαστήρια να αποφασίσουν ποια πειράματα σε υγρό εργαστήριο αξίζει να διεξαχθούν στη συνέχεια και ένα βασικό αρχιτεκτονικό πλεονέκτημα είναι η προσαρμοστικότητα: οι ερευνητές μπορούν να τροφοδοτήσουν δεδομένα γονιδιακής δραστηριότητας από μερικές δεκάδες κύτταρα και το μοντέλο υπολογίζει τα αποτελέσματα για προηγουμένως αόρατες καταστάσεις κυττάρων - συχνά ξεπερνώντας τα εξειδικευμένα μοντέλα που έχουν εκπαιδευτεί απευθείας σε αυτά τα δεδομένα, σύμφωνα με το DeepMind.
Μηχανισμοί Νοσημάτων που Αναπαράγονται Υπολογιστικά
Δύο αποδεδειγμένες περιπτώσεις δείχνουν τι μπορεί να κάνει το μοντέλο χωρίς να αγγίξει έναν πάγκο εργαστηρίου. Λειτουργώντας καθαρά υπολογιστικά, το AlphaGenome 2 αναπαρήγαγε έναν μηχανισμό φλεγμονώδους νόσου του εντέρου που είχε προηγουμένως εντοπιστεί σε μια μελέτη: απομόνωσε την ακριβή παραλλαγή DNA σε έναν ρυθμιστικό διακόπτη μακριά από το γονίδιο που υπερενεργοποιεί επιλεκτικά το ETS2 στα μακροφάγα του εντέρου, ενώ άλλοι τύποι κυττάρων και γονίδια παρέμειναν σε μεγάλο βαθμό ανεπηρέαστα.
Σε ένα ξεχωριστό τεστ που εφαρμόστηκε σε δεδομένα από μια μελέτη εμβολίου mRNA του COVID-19, το μοντέλο διέκρινε αξιόπιστα τα ενεργοποιημένα με εμβόλιο Τ κύτταρα από τα σε ηρεμία και έδειξε ότι μια παραλλαγή γονιδίου που συνδέεται με σοβαρά κρούσματα COVID-19 διαταράσσει την κυτταρική δραστηριότητα κυρίως σε ενεργοποιημένη κατάσταση - ένα αποτέλεσμα που θα παρέμενε αόρατο σε κύτταρα ηρεμίας.
Διαθεσιμότητα και τι ακολουθεί
Το AlphaGenome 2 είναι τώρα διαθέσιμο για μη εμπορική έρευνα μέσω ενός API, ενώ οι εμπορικοί χρήστες έχουν πρόσβαση μέσω μιας κλειστής προεπισκόπησης. Το Google DeepMind δηλώνει ρητά ότι το σύστημα δεν είναι εγκεκριμένο για κλινικά διαγνωστικά — είναι εργαλείο έρευνας και όχι ιατρική συσκευή.
Η DeepMind έχει ήδη προϋπολογίσει προβλέψεις για εκατοντάδες παθήσεις κυττάρων και ιστών, εν μέρει για να υποστηρίξει την ανάπτυξη φαρμάκων με γνώμονα την τεχνητή νοημοσύνη, και η εταιρεία λέει ότι σχεδιάζει να διαθέσει αποκλειστικές λειτουργίες AlphaGenome 2 στην πλατφόρμα ανάπτυξης αντιπροσώπων Google Antigravity, όπου το μοντέλο πρόκειται να συνδυαστεί με εργαλεία όπως το Gemini 4 για αυτοματοποιημένες ροές έρευνας.
Η απελευθέρωση προσγειώνεται σε ένα πεδίο τεχνητής νοημοσύνης για βιολογία που θερμαίνεται γρήγορα. Η γενεαλογία AlphaFold της DeepMind επαναφέρει τη δομική βιολογία και οι αντίπαλοι αγωνίζονται να εφαρμόσουν μεγάλα μοντέλα στην ανακάλυψη φαρμάκων. Αυτό που διακρίνει το AlphaGenome 2 είναι η ανάλυση: εξαρτώντας τον τύπο κυττάρου, μετακινεί την ερμηνεία των παραλλαγών από τους μέσους όρους σε επίπεδο πληθυσμού στο συγκεκριμένο κυτταρικό πλαίσιο όπου πραγματικά λειτουργεί η ασθένεια. Εάν τα κέρδη αναφοράς διατηρηθούν σε ανεξάρτητη χρήση, το μοντέλο θα μπορούσε να συντομεύσει τη διαδρομή από τη γενετική συσχέτιση στη μηχανιστική κατανόηση - το πιο ακριβό βήμα στη σύγχρονη ανάπτυξη φαρμάκων.
Μείνετε μπροστά από την τεχνητή νοημοσύνηΗ τεχνητή νοημοσύνη αναδιαμορφώνει την ανακάλυψη φαρμάκων, τη γονιδιωματική και τη βιοτεχνολογία γρηγορότερα από ό,τι μπορούν να συμβαδίσουν οι περισσότερες καλύψεις. Για έκτακτες ειδήσεις τεχνητής νοημοσύνης, ερευνητικές αναλύσεις και τις πιο πρόσφατες εξελίξεις AI, το AI Buzz Wire ακολουθεί κάθε σημαντική ανακάλυψη.
Διαβάστε περισσότερα νέα AI →
