ក្រុមហ៊ុន Google DeepMind បានប្រកាស AlphaGenome Atlas កាលពីថ្ងៃទី 8 ខែកញ្ញា ដែលជាមូលដ្ឋានទិន្នន័យដែលព្យាករណ៍ពីផលប៉ះពាល់នៃរាល់ការប្រែប្រួលនុយក្លេអូទីតដែលអាចកើតមាននៅក្នុងហ្សែនរបស់មនុស្ស ដែលជាកាតាឡុកដ៏ទូលំទូលាយបំផុតរបស់ក្រុមហ៊ុននេះបាននិយាយថា ការផ្លាស់ប្តូរហ្សែនប៉ះពាល់ដល់ជីវវិទ្យាម៉ូលេគុល។ ការចេញផ្សាយនេះប្រែក្លាយគំរូ AlphaGenome របស់ DeepMind ទៅជាធនធានដែលអាចស្វែងរកបានដែលបានគណនាជាមុន ដែលអ្នកស្រាវជ្រាវគ្លីនិក និងអ្នកជីវវិទូអាចសួរដោយមិនចាំបាច់សរសេរកូដ។

បញ្ហា ៩៨ ភាគរយ For more context on this story, see our ongoing AI trends.

ហ្សែនរបស់មនុស្សមាន DNA ប្រហែល 3 ពាន់លានគូ ហើយអ្នកវិទ្យាសាស្ត្រយល់យ៉ាងច្បាស់ថាមានតែ 2 ភាគរយប៉ុណ្ណោះដែលសរសេរកូដសម្រាប់ប្រូតេអ៊ីន។ នៅសល់ 98 ភាគរយ - ភាគច្រើននៃបទប្បញ្ញត្តិ - នៅតែស្រពិចស្រពិល។ គំរូ AlphaGenome របស់ DeepMind បានបង្ហាញរួចហើយអំពីរបៀបដែលការផ្លាស់ប្តូរតែមួយនៅក្នុងតំបន់ដែលមិនសរសេរកូដទាំងនេះអាចរំខានដល់ដំណើរការម៉ូលេគុលដូចជាការផលិតប្រូតេអ៊ីន ប៉ុន្តែក្រុមហ៊ុននេះរូបភាពធំជាងអំពីរបៀបដែលបំរែបំរួលនៃជីវវិទ្យាម៉ូលេគុលក្នុងមាត្រដ្ឋាននៅតែមិនច្បាស់លាស់។

វ៉ារ្យ៉ង់នុយក្លេអូទីតតែមួយគឺជាការផ្លាស់ប្តូរទៅអក្សរមួយពិតប្រាកដនៃអក្ខរក្រម DNA បួនអក្សរ។ យើងម្នាក់ៗផ្ទុកពួកវារាប់លាន ហើយភាគច្រើនមិនធ្វើអ្វីទាល់តែសោះ - ប៉ុន្តែប្រភាគតូចមួយផ្លាស់ប្តូររបៀបដែលហ្សែនត្រូវបានបើក និងបិទ របៀប RNA ត្រូវបានបំបែក ឬរបៀបបង្កើតប្រូតេអ៊ីន។ ផ្នែកពិបាកមិនដែលបានស្វែងរកវ៉ារ្យ៉ង់ទាំងនេះទេ។ លំដាប់លំដោយថោកបានធ្វើទម្លាប់នោះកាលពីឆ្នាំមុន។ ផ្នែកដ៏លំបាកគឺការបកស្រាយ៖ សម្រាប់ភាគច្រើនលើសលប់នៃការផ្លាស់ប្តូរអក្សរតែមួយដែលមិនធ្លាប់មាន ការពិសោធន៍ណាមួយត្រូវបានដំណើរការ ដូច្នេះអ្នកស្រាវជ្រាវត្រូវពឹងផ្អែកលើគំរូគណនាដើម្បីទស្សន៍ទាយពីលទ្ធផលម៉ូលេគុលរបស់វា។

AlphaGenome Atlas គឺជាការប៉ុនប៉ងរបស់ DeepMind ក្នុងការផ្គត់ផ្គង់ការបកស្រាយនោះនៅកន្លែងតែមួយ។ ក្រុមដែលដឹកនាំដោយ Pushmeet Kohli អនុប្រធានផ្នែកវិទ្យាសាស្ត្រនៅ Google DeepMind និងជាប្រធានអ្នកវិទ្យាសាស្ត្រនៅ Google Cloud រួមជាមួយនឹងអ្នកដឹកនាំគំនិតផ្តួចផ្តើមហ្សែន Ziga Avsec បានប្រើប្រាស់គំរូ AlphaGenome ដើម្បីគណនាជាមុននូវផលប៉ះពាល់នៃបទប្បញ្ញត្តិនៃការផ្លាស់ប្តូរហ្សែនដែលមានអក្សរតែមួយ 9 ពាន់លាន - រាល់ការប្រែប្រួលនុយក្លេអូទីតដែលអាចធ្វើទៅបាន - ផលិតតារាងចំនួន 1 សំណុំទិន្នន័យ។ ជំនួសឱ្យរាល់មន្ទីរពិសោធន៍ដែលដំណើរការឡើងវិញនូវការសន្និដ្ឋានខ្នាតហ្សែននៅលើចង្កោមរបស់វា ការព្យាករណ៍ឥឡូវនេះមានជាកាតាឡុកដែលអាចសួរបានចែករំលែក។

ពិន្ទុមួយសម្រាប់កំណត់អាទិភាពបំរែបំរួល

ការបំបែកតាមរយៈការព្យាករណ៍ទំហំ petabyte ខ្លួនវាគឺជាគម្រោងស្រាវជ្រាវ ដូច្នេះ Atlas ណែនាំពិន្ទុ AlphaGenome Variant Impact (AVI) ។ ពិន្ទុងាយស្រួលប្រើតែមួយរួមបញ្ចូលគ្នានូវការទស្សន៍ទាយនៅទូទាំងតំបន់ដែលសរសេរកូដ និងមិនមែនការសរសេរកូដ ដោយអនុញ្ញាតឱ្យអ្នកស្រាវជ្រាវកំណត់អាទិភាពយ៉ាងរហ័សនូវវ៉ារ្យ៉ង់ដែលរំពឹងទុកបំផុតជាជាងឆ្លងកាត់ចំណុចទិន្នន័យរាប់ពាន់ចំណុចសម្រាប់នីមួយៗ។ នៅក្នុងស៊ុមរបស់ DeepMind អាត្លាសដើរតួជា "ដៃគូបង្កើន" សម្រាប់សហគមន៍វិទ្យាសាស្ត្រ ដោយពន្លឿនការស្រាវជ្រាវនៅក្នុងតំបន់ពីការប្រែប្រួលហ្សែនដ៏កម្រទៅជាលក្ខណៈស្មុគ្រស្មាញ។

ដោះស្រាយករណីជំងឺកម្ររួចហើយ

Atlas មិនមែនជាធនធានសម្មតិកម្មទេ៖ DeepMind និយាយថាអ្នកស្រាវជ្រាវកំពុងប្រើវារួចហើយ។ នៅវិទ្យាស្ថាន Broad អ្នកស្រី Laura Covill និងក្រុមរបស់នាងបានអនុវត្តពិន្ទុ AVI ដើម្បីផ្តល់អាទិភាពដល់ការប្រែប្រួលនៅក្នុងករណីជំងឺកម្រដែលមិនអាចដោះស្រាយបាន។ ឧបករណ៍នេះបានគូសបញ្ជាក់ពីវ៉ារ្យ៉ង់ដ៏សំខាន់នៅក្នុងហ្សែន DNM1 ដោយទស្សន៍ទាយថាវាបានបង្កើតកន្លែងបំបែកមិនត្រឹមត្រូវ ដែលជាភស្តុតាងដែលជួយក្រុមដោះស្រាយករណីនេះដោយជោគជ័យ។ សម្រាប់គ្រួសារដែលបានចំណាយពេលជាច្រើនឆ្នាំរង់ចាំការធ្វើរោគវិនិច្ឆ័យ នោះគឺជាការទូទាត់ជាក់ស្តែងនៃការបកស្រាយបំរែបំរួល៖ បង្វែរលទ្ធផលនៃលំដាប់មិនច្បាស់លាស់ទៅជាចម្លើយ។

ធនធាននេះក៏បានបង្ហាញថាមានប្រយោជន៍សម្រាប់លក្ខណៈស្មុគ្រស្មាញ ដែលការកំណត់អត្តសញ្ញាណកម្រមិនសរសេរកូដគឺពិបាក ដោយសារមានសំឡេងរំខានពីស្ថិតិ។ វេជ្ជបណ្ឌិត Gareth Hawkes បានអនុវត្ត AlphaGenome Atlas ទៅនឹងទិន្នន័យពីអ្នកចូលរួម UK Biobank ច្រើនជាង 54,000 ។ ដោយការដាក់ក្រុមវ៉ារ្យ៉ង់យោងទៅតាមឥទ្ធិពលម៉ូលេគុលដែលបានព្យាករណ៍របស់គាត់គាត់បានរកឃើញ 22 ភាគរយនៃទំនាក់ទំនងហ្សែនដែលមិនសរសេរកូដច្រើនជាងការវិភាគស្តង់ដារ។ ដោយផ្តោតលើ 1 ភាគរយនៃវ៉ារ្យ៉ង់ដែលមានឥទ្ធិពល គាត់បានកំណត់តំបន់ហ្សែនចំនួន 19 ដែលភ្ជាប់ទៅនឹងសន្ទស្សន៍ម៉ាសរាងកាយ ដោយដឹកនាំដំណាក់កាលបន្ទាប់នៃការស្រាវជ្រាវគោលដៅ។

ការចូលប្រើដោយឥតគិតថ្លៃ មិនចាំបាច់សរសេរកូដទេ។

AlphaGenome Atlas អាចរកបាននៅថ្ងៃនេះតាមរយៈវិបផតថលដែល DeepMind និយាយថាតម្រូវឱ្យមានជំនាញសរសេរកូដសូន្យ ដែលជាជម្រើសដោយចេតនាក្នុងការចូលប្រើប្រជាធិបតេយ្យសម្រាប់អ្នកស្រាវជ្រាវគ្លីនិក និងអ្នកជីវវិទូដែលមិនដំណើរការជាមួយបំពង់បង្ហូរគណនាខ្នាតធំ។ Kohli និង Avsec កំណត់ការចេញផ្សាយនេះជាផ្នែកមួយនៃការប្តេជ្ញាចិត្តបន្តរបស់ DeepMind ក្នុងការពន្លឿនការរកឃើញហ្សែន ដោយសរសេរថា Atlas ផ្តល់នូវ "ការយល់ដឹងអំពីហ្សែន" ដែលនឹងបង្កើនល្បឿននៃការរកឃើញជីវសាស្រ្តយ៉ាងទូលំទូលាយ។

ការចេញផ្សាយនេះបន្តការពង្រីករបស់ DeepMind នៃគំរូ AI សម្រាប់វិទ្យាសាស្ត្រជីវិត ដែលធនធានដែលបានគណនាជាមុនផ្លាស់ប្តូរសេដ្ឋកិច្ចនៃការស្រាវជ្រាវ៖ ជាជាងរាល់មន្ទីរពិសោធន៍ដែលត្រូវការដំណើរការការសន្និដ្ឋានខ្នាតហ្សែន ការព្យាករណ៍សម្រាប់ការប្រែប្រួលដែលអាចកើតមានទាំងអស់ត្រូវបានគណនាម្តង និងចែករំលែក។ សម្រាប់ក្រុមជំងឺកម្រ ភាពខុសគ្នាអាចត្រូវបានវាស់វែងនៅក្នុងករណីដែលបានដោះស្រាយ។ សម្រាប់​ពន្ធុវិទ្យា​ដែល​មាន​លក្ខណៈ​ស្មុគស្មាញ ក្នុង​ចំនួន​សមាគម​ថ្មី​បាន​លេច​ចេញ​ពី​ទិន្នន័យ​ធនាគារ​ជីវ​ធនាគារ​ដែល​មាន​ស្រាប់។

វាក៏ដាក់ DeepMind នៅក្នុងការប្រកួតប្រជែងដោយប្រយោលជាមួយនឹងវាលបង្កើនល្បឿនមួយ។ គំរូការបកស្រាយហ្សែន និងអ្នកទស្សន៍ទាយឥទ្ធិពលបំរែបំរួលបានគុណលើមន្ទីរពិសោធន៍សិក្សា និងការចាប់ផ្តើមអាជីវកម្ម ហើយការប្រើប្រាស់នៃកាតាឡុកតែមួយគឺអាស្រ័យលើការអនុម័ត។ តាមរយៈការដឹកជញ្ជូនវិបផតថលឥតគិតថ្លៃជាមួយនឹងពិន្ទុបង្រួបបង្រួមតែមួយ DeepMind កំពុងភ្នាល់ថាភាពងាយស្រួលនៃការប្រើប្រាស់ - មិនមែនជាការអនុវត្តគំរូឆៅតែម្នាក់ឯងទេ - កំណត់ធនធានណាមួយដែលក្លាយជាផ្នែកមួយនៃកញ្ចប់ឧបករណ៍ស្រាវជ្រាវស្តង់ដារ។

សម្រាប់អ្នកឃ្លាំមើល AI Atlas គឺជាសញ្ញាបន្ថែមនៃកន្លែងដែលការស្រាវជ្រាវ AI កំពុងឆ្ពោះទៅ - ឆ្ងាយពីចំណុចប្រទាក់ជជែក និងឆ្ពោះទៅរកហេដ្ឋារចនាសម្ព័ន្ធជាក់លាក់ដែនដែលបង្កប់ការព្យាករណ៍គំរូដោយផ្ទាល់ទៅក្នុងលំហូរការងារវិទ្យាសាស្ត្រ។

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →