Google DeepMind បានចេញផ្សាយ AlphaGenome 2 ដែលជាគំរូ AI ថ្មីសម្រាប់ការស្រាវជ្រាវហ្សែនដែលព្យាករណ៍ពីរបៀបដែលវ៉ារ្យ៉ង់ DNA ប៉ះពាល់ដល់ប្រភេទកោសិកាមនុស្សជាក់លាក់ ហើយរកឃើញការផ្លាស់ប្តូរហ្សែនដែលពាក់ព័ន្ធជិតពីរដងច្រើនជាងអ្នកកាន់តំណែងមុន នេះបើយោងតាមការគ្របដណ្តប់ដោយ The Decoder នៃការប្រកាសរបស់ក្រុមហ៊ុន។

ការចេញផ្សាយនេះនិយាយអំពីបញ្ហារឹងចចេសរបស់ហ្សែន៖ កោសិកានីមួយៗនៅក្នុងខ្លួនមនុស្សមានប្លង់មេ DNA ដូចគ្នា ប៉ុន្តែកោសិកាសាច់ដុំបេះដូងអាន DNA នោះខុសពីកោសិកាភាពស៊ាំ។ ការទស្សន៍ទាយពីភាពខុសគ្នានៃកោសិកាជាក់លាក់ទាំងនោះ - និងការចង្អុលបង្ហាញថាតើការផ្លាស់ប្តូរអក្សរ DNA មួយណាដែលអាចបណ្តាលឱ្យមានជម្ងឺ - នៅតែជាបញ្ហាប្រឈមដ៏ធំបំផុតមួយដែលមិនអាចដោះស្រាយបាន។ ការប្រកាសរបស់ Google DeepMind ដែលគ្របដណ្តប់យ៉ាងទូលំទូលាយកាលពីថ្ងៃព្រហស្បតិ៍ បានដាក់ AlphaGenome 2 ជាការវាយប្រហារដោយផ្ទាល់លើបញ្ហានោះ ហើយ Sundar Pichai បានគូសបញ្ជាក់ពីស៊ុមថា "កោសិកាទាំងអស់នៅក្នុងរាងកាយរបស់យើងចែករំលែកប្លង់ DNA ដូចគ្នា" នៅក្នុងការចេញផ្សាយដែលរាយការណ៍ដោយ Benzinga ។

ពីការទស្សន៍ទាយភាគច្រើនទៅជាភាពជាក់លាក់នៃប្រភេទកោសិកា

AlphaGenome ដើមបានយកលំដាប់ DNA ប្រវែងមួយលានអក្សរ ហើយព្យាករណ៍ពីលក្ខណៈសម្បត្តិរបស់វានៅលើការពិសោធន៍រាប់ពាន់ដែលលាតសន្ធឹងលើជាលិកាជាច្រើនក្នុងពេលតែមួយ។ យោងតាម ​​Google DeepMind វិធីសាស្រ្តស្របគ្នានោះបានរីករាលដាលសមត្ថភាពរបស់ម៉ូដែលស្តើងពេក ដែលធ្វើឱ្យវាពិបាកក្នុងការចាប់យកភាពខុសគ្នាបន្តិចបន្តួចរវាងប្រភេទកោសិកាដែលទាក់ទងយ៉ាងជិតស្និទ្ធ។

AlphaGenome 2 ធ្វើការខុសគ្នា។ វា​ជា​គំរូ​តាម​លក្ខខណ្ឌ៖ ស្រប​តាម​លំដាប់ DNA វា​ត្រូវ​យក​ស្ថានភាព​ជីវសាស្ត្រ​ជាក់លាក់​ជា​ការ​បញ្ចូល​បន្ថែម និង​គណនា​ឥទ្ធិពល​សម្រាប់​ប្រភេទ​កោសិកា​មួយ​នោះ។ ប្រព័ន្ធនេះត្រូវបានបណ្តុះបណ្តាលលើទម្រង់កោសិកាបុគ្គលជាង 107 លានដែលលាតសន្ធឹងលើជាលិកាចំនួន 68 នៅក្នុងមនុស្ស និងសត្វកណ្តុរ។

គំរូ​នេះ​ហួស​ពី​ការ​ទស្សន៍ទាយ​ពី​របៀប​ដែល​ហ្សែន​ត្រូវ​បាន​បង្ហាញ​យ៉ាង​ខ្លាំង។ វាក៏គណនាពីរបៀបដែល DNA ត្រូវបានខ្ចប់ជារូបវ័ន្តនៅខាងក្នុងស្នូល — បង្ហាញថាហ្សែនណាដែលលាតសន្ធឹងអាចចូលដំណើរការបាន ហើយឥឡូវនេះព្យាករណ៍ថា DNA methylation ដែលជាស្លាកគីមីដែលដើរតួជាម៉ូលេគុលប្តូរទៅជាស្ងាត់ ឬធ្វើឱ្យហ្សែនសកម្ម។

លទ្ធផលគោល៖ ការលោតដ៏ធំនៅក្នុងការរកឃើញវ៉ារ្យ៉ង់មូលហេតុ

នៅលើសំណុំទិន្នន័យគោល TenK10K ដែលគ្របដណ្តប់លើប្រភេទកោសិកាភាពស៊ាំបឋមចំនួន 28 ប្រភេទ AlphaGenome 2 បានកំណត់អត្តសញ្ញាណប្រហែល 30 ភាគរយនៃវ៉ារ្យ៉ង់មូលហេតុ ហើយបានព្យាករណ៍យ៉ាងត្រឹមត្រូវថាតើវ៉ារ្យ៉ង់ធ្វើនិយ័តកម្មឬបន្ថយហ្សែនក្នុង 43 ភាគរយនៃករណី។ កំណែដែលបានកែសម្រួលយ៉ាងល្អនៃ AlphaGenome ដើមបានគ្រប់គ្រងត្រឹមតែ 16 ភាគរយ និង 23 ភាគរយលើកិច្ចការដូចគ្នានេះបើយោងតាមតួលេខរបស់ Google DeepMind បានរាយការណ៍ដោយ The Decoder ។

ការកែលម្អនោះជារឿងសំខាន់ ពីព្រោះការសិក្សាអំពីសមាគមជុំវិញហ្សែន (GWAS) អាចកំណត់ទីតាំងសញ្ញាជំងឺបានតែនៅក្នុងផ្នែកទូលំទូលាយនៃ DNA ប៉ុណ្ណោះ។ ការទស្សន៍ទាយបំរែបំរួលបុព្វហេតុដែលប្រសើរជាងនេះប្រាប់អ្នកស្រាវជ្រាវថាតើវ៉ារ្យ៉ង់ណាខ្លះនៅក្នុងតំបន់ដែលពាក់ព័ន្ធគឺពិតជាមានតម្លៃក្នុងការតាមដានការពិសោធន៍ — ភាពខុសគ្នារវាងការនាំមុខ និងចុងបញ្ចប់។

គំរូក៏អាចសន្និដ្ឋានទិន្នន័យដែលបាត់ពីការវាស់វែងតែមួយ។ ប្រសិនបើអ្នកស្រាវជ្រាវវាស់ស្ទង់តែសកម្មភាពហ្សែនរបស់កោសិកា នោះ AlphaGenome 2 ផ្តល់នូវការព្យាករណ៍សម្រាប់លក្ខណៈសម្បត្តិបន្ថែម ដូចជាថាតើការលាតសន្ធឹង DNA ជាក់លាក់យ៉ាងណាត្រូវបានខ្ចប់។ វាជួយមន្ទីរពិសោធន៍សម្រេចចិត្តថាតើការពិសោធន៍បន្ទប់សើមមួយណាសមនឹងដំណើរការបន្ទាប់ ហើយអត្ថប្រយោជន៍ផ្នែកស្ថាបត្យកម្មសំខាន់គឺការសម្របខ្លួនបាន៖ អ្នកស្រាវជ្រាវអាចបញ្ចូលទិន្នន័យសកម្មភាពហ្សែនពីកោសិការាប់សិបប៉ុណ្ណោះ ហើយគំរូគណនាផលប៉ះពាល់សម្រាប់ស្ថានភាពកោសិកាដែលមើលមិនឃើញពីមុន ដែលជារឿយៗយកឈ្នះលើគំរូឯកទេសដែលត្រូវបានបណ្តុះបណ្តាលដោយផ្ទាល់លើទិន្នន័យនោះ យោងទៅតាម DeepMind ។

យន្តការជំងឺ បង្កើតឡើងវិញតាមការគណនា

ករណីបង្ហាញចំនួនពីរបង្ហាញពីអ្វីដែលម៉ូដែលអាចធ្វើបានដោយមិនចាំបាច់ប៉ះកៅអីមន្ទីរពិសោធន៍។ ធ្វើការតាមការគណនាសុទ្ធសាធ AlphaGenome 2 បង្កើតឡើងវិញនូវយន្តការរលាកពោះវៀនដែលត្រូវបានសម្គាល់ពីមុននៅក្នុងការសិក្សាមួយ៖ វាបានញែកដាច់ពីគ្នានូវភាពខុសគ្នានៃ DNA ពិតប្រាកដនៅក្នុងការផ្លាស់ប្តូរបទប្បញ្ញត្តិឆ្ងាយពីហ្សែនដែលជ្រើសរើសលើសកំណត់ ETS2 នៅក្នុង macrophages ពោះវៀន ខណៈដែលប្រភេទកោសិកា និងហ្សែនផ្សេងទៀតនៅតែមិនរងផលប៉ះពាល់ខ្លាំង។

នៅក្នុងការធ្វើតេស្តដាច់ដោយឡែកមួយដែលបានអនុវត្តចំពោះទិន្នន័យពីការសិក្សាវ៉ាក់សាំង mRNA នៃ COVID-19 គំរូនេះបានសម្គាល់កោសិកា T ដែលដំណើរការដោយវ៉ាក់សាំងដោយភាពជឿជាក់ពីការសម្រាក និងបានបង្ហាញថាវ៉ារ្យ៉ង់ហ្សែនដែលភ្ជាប់ទៅនឹងករណីធ្ងន់ធ្ងរនៃ COVID-19 រំខានដល់សកម្មភាពកោសិកាជាចម្បងនៅក្នុងស្ថានភាពសកម្ម ដែលជាឥទ្ធិពលដែលនឹងនៅតែមើលមិនឃើញនៅក្នុងកោសិកាសម្រាក។

ភាពអាចរកបាន និងអ្វីដែលមកបន្ទាប់

AlphaGenome 2 អាចរកបាននៅពេលនេះសម្រាប់ការស្រាវជ្រាវមិនមែនពាណិជ្ជកម្មតាមរយៈ API ខណៈពេលដែលអ្នកប្រើប្រាស់ពាណិជ្ជកម្មទទួលបានតាមរយៈការមើលជាមុនដែលបិទ។ Google DeepMind បង្ហាញយ៉ាងច្បាស់ថាប្រព័ន្ធនេះមិនត្រូវបានអនុម័តសម្រាប់ការធ្វើរោគវិនិច្ឆ័យគ្លីនិកទេ វាជាឧបករណ៍ស្រាវជ្រាវ មិនមែនជាឧបករណ៍វេជ្ជសាស្ត្រទេ។

DeepMind បានធ្វើការទស្សន៍ទាយទុកជាមុនសម្រាប់ស្ថានភាពកោសិកា និងជាលិការាប់រយ ដែលមួយផ្នែកដើម្បីគាំទ្រដល់ការអភិវឌ្ឍន៍ថ្នាំដែលជំរុញដោយ AI ហើយក្រុមហ៊ុននិយាយថា ខ្លួនគ្រោងនឹងបញ្ចេញមុខងារ AlphaGenome 2 ពិសេសនៅលើវេទិកាអភិវឌ្ឍន៍ភ្នាក់ងាររបស់ខ្លួន Google Antigravity ដែលគំរូនេះត្រូវបានកំណត់ឱ្យបញ្ចូលគ្នាជាមួយឧបករណ៍ដូចជា Gemini 4 សម្រាប់ដំណើរការស្រាវជ្រាវដោយស្វ័យប្រវត្តិ។

ការចេញផ្សាយនេះស្ថិតនៅក្នុងវាល AI-for-biology ដែលកំដៅយ៉ាងលឿន។ ត្រកូល AlphaFold ផ្ទាល់ខ្លួនរបស់ DeepMind កំណត់ឡើងវិញនូវជីវវិទ្យារចនាសម្ព័ន្ធ ហើយគូប្រជែងកំពុងប្រជែងគ្នាដើម្បីអនុវត្តគំរូធំៗចំពោះការរកឃើញគ្រឿងញៀន។ អ្វីដែលខុសប្លែកពី AlphaGenome 2 គឺដំណោះស្រាយ៖ តាមរយៈការកំណត់លើប្រភេទកោសិកា វាផ្លាស់ទីការបកស្រាយផ្សេងៗគ្នាពីកម្រិតមធ្យមនៃចំនួនប្រជាជនទៅកាន់បរិបទកោសិកាជាក់លាក់ដែលជំងឺពិតជាដំណើរការ។ ប្រសិនបើសន្ទស្សន៍គោលកើនឡើងក្នុងការប្រើប្រាស់ឯករាជ្យ គំរូនេះអាចកាត់បន្ថយផ្លូវពីការផ្សារភ្ជាប់ហ្សែនទៅការយល់ដឹងអំពីយន្តការ ដែលជាជំហានថ្លៃបំផុតក្នុងការអភិវឌ្ឍន៍ថ្នាំទំនើប។

ស្នាក់នៅមុន AI

AI កំពុងផ្លាស់ប្តូរការរកឃើញថ្នាំ ពន្ធុវិទ្យា និងជីវបច្ចេកវិទ្យាលឿនជាងការគ្របដណ្តប់ភាគច្រើនអាចបន្តបាន។ សម្រាប់ការទម្លាយព័ត៌មាន AI ការវិភាគស្រាវជ្រាវ និងការវិវត្តន៍ AI ចុងក្រោយបំផុត AI Buzz Wire តាមដានរាល់របកគំហើញដែលសំខាន់។

អានព័ត៌មាន AI បន្ថែម →