Google DeepMind imetoa AlphaGenome 2, muundo mpya wa AI kwa ajili ya utafiti wa genomics ambao unatabiri jinsi vibadala vya DNA huathiri aina mahususi za seli za binadamu - na hupata karibu mabadiliko ya jeni muhimu mara mbili kama ya mtangulizi wake, kulingana na chanjo ya The Decoder ya tangazo la kampuni.
Toleo hili linashughulikia mojawapo ya matatizo ya ukaidi ya wanajeni: kila seli katika mwili wa binadamu ina mchoro sawa wa DNA, lakini seli ya misuli ya moyo inasoma DNA hiyo tofauti na seli ya kinga. Kutabiri tofauti hizo mahususi za seli - na kubainisha ni kipi kati ya mamilioni ya mabadiliko ya herufi ya DNA yanayoweza kusababisha ugonjwa - kumesalia kuwa mojawapo ya changamoto kubwa zaidi ambazo hazijatatuliwa. Tangazo la Google DeepMind, lililoangaziwa kwa upana siku ya Alhamisi, linaweka AlphaGenome 2 kama shambulio la moja kwa moja kwa tatizo hilo, na Sundar Pichai aliangazia muundo kwamba "kila seli kwenye mwili wetu ina mchoro sawa wa DNA" katika habari ya uzinduzi iliyoripotiwa na Benzinga.
Kutoka kwa Utabiri wa Wingi hadi Usahihi wa Aina ya Seli
AlphaGenome asilia ilichukua mfuatano wa DNA herufi milioni moja na kutabiri sifa zake katika maelfu ya majaribio yanayohusisha tishu nyingi kwa wakati mmoja. Kulingana na Google DeepMind, mbinu hiyo sambamba ilieneza uwezo wa modeli kuwa nyembamba sana, na kuifanya kuwa ngumu kunasa tofauti ndogo kati ya aina za seli zinazohusiana kwa karibu.
AlphaGenome 2 inafanya kazi tofauti. Ni modeli ya masharti: kando ya mfuatano wa DNA, inachukua hali mahususi ya kibayolojia kama ingizo la ziada na kukokotoa athari za aina hiyo ya seli moja. Mfumo huo ulifunzwa kwa maelezo zaidi ya milioni 107 ya seli za mtu binafsi zinazochukua tishu 68 kwa binadamu na panya.
Mfano huenda zaidi ya kutabiri jinsi jeni linaonyeshwa kwa nguvu. Pia hukokotoa jinsi DNA inavyowekwa ndani ya kiini - ikionyesha ni safu zipi za jenomu zinazoweza kufikiwa - na sasa inatabiri methylation ya DNA, vitambulisho vya kemikali vinavyofanya kazi kama swichi za molekuli ili kunyamazisha au kuwezesha jeni.
Matokeo ya Kulinganisha: Rukia Kubwa katika Utambuzi wa Kisababishi cha Kisababishi
Kwenye mkusanyiko wa data wa TenK10K unaojumuisha aina 28 za seli za kinga msingi, AlphaGenome 2 ilibainisha takriban asilimia 30 ya vibadala vya visababishi na kutabiri kwa usahihi ikiwa kibadala kinasimamia au kupunguza jeni katika asilimia 43 ya visa. Toleo lililoboreshwa la AlphaGenome asili lilisimamia asilimia 16 tu na asilimia 23 kwenye kazi sawa, kulingana na takwimu za Google DeepMind zilizoripotiwa na The Decoder.
Uboreshaji huo ni muhimu kwa sababu tafiti za muungano wa jenomu kote (GWAS) zinaweza tu kupata ishara za ugonjwa ndani ya maeneo mapana ya DNA. Utabiri bora wa kisababishi-sababu huwaambia watafiti ni kipi kati ya vibadala vingi katika eneo husika vinavyofaa ufuatiliaji wa majaribio - tofauti kati ya risasi na mwisho usiofaa.
Muundo pia unaweza kukisia data iliyokosekana kutoka kwa kipimo kimoja. Iwapo watafiti wanapima shughuli za jeni za seli pekee, AlphaGenome 2 hutoa utabiri wa sifa za ziada, kama vile jinsi misururu mahususi ya DNA inavyowekwa. Hiyo husaidia maabara kuamua ni majaribio yapi ya maabara yenye unyevunyevu yanafaa kufanywa baadaye, na faida kuu ya usanifu ni uwezo wa kubadilika: watafiti wanaweza kulisha data ya shughuli za jeni kutoka kwa seli kadhaa chache, na muundo huo unajumuisha athari za hali za seli ambazo hazikuonekana hapo awali - mara nyingi hushinda miundo maalum iliyofunzwa moja kwa moja kwenye data hiyo, kulingana na DeepMind.
Taratibu za Magonjwa Zinazalishwa Kwa Njia ya Kukokotoa
Kesi mbili zilizoonyeshwa zinaonyesha kile ambacho mtindo unaweza kufanya bila kugusa benchi ya maabara. Ikifanya kazi kwa kukokotoa, AlphaGenome 2 ilizalisha tena utaratibu wa ugonjwa wa uvimbe wa matumbo uliotambuliwa hapo awali katika utafiti: ilitenga lahaja kamili ya DNA katika swichi ya udhibiti mbali na jeni ambayo kwa kuchagua hufanya kazi zaidi ETS2 katika makrofaji ya utumbo, ilhali aina nyingine za seli na jeni zilibakia bila kuathiriwa.
Katika jaribio tofauti lililotumika kwa data kutoka kwa utafiti wa chanjo ya COVID-19 mRNA, modeli hiyo ilitofautisha chembe T zilizoamilishwa kwa chanjo na zile zinazopumzika na ilionyesha kuwa tofauti ya jeni inayohusishwa na visa vikali vya COVID-19 hutatiza shughuli za seli haswa katika hali iliyowashwa - athari ambayo ingebaki isiyoonekana katika seli zilizopumzika.
Upatikanaji na Nini Kinachofuata
AlphaGenome 2 inapatikana sasa kwa utafiti usio wa kibiashara kupitia API, huku watumiaji wa kibiashara wakipata ufikiaji kupitia onyesho la kuchungulia. Google DeepMind inaeleza wazi kwamba mfumo haujaidhinishwa kwa uchunguzi wa kimatibabu - ni zana ya utafiti, si kifaa cha matibabu.
DeepMind tayari imetoa utabiri wa awali wa mamia ya hali ya seli na tishu, kwa sehemu ili kusaidia ukuzaji wa dawa zinazoendeshwa na AI, na kampuni hiyo inasema inapanga kusambaza vipengee vilivyojitolea vya AlphaGenome 2 kwenye jukwaa lake la ukuzaji wa mawakala wa Google Antigravity, ambapo mtindo huo umewekwa kuunganishwa na zana kama Gemini 4 kwa mtiririko wa kazi wa kiotomatiki.
Toleo hilo linatua katika uwanja wa kuongeza joto wa AI-for-biolojia. DeepMind's mwenyewe AlphaFold lineage reset biolojia miundo, na wapinzani ni mbio kutumia mifano kubwa ya ugunduzi wa madawa ya kulevya. Kinachotofautisha AlphaGenome 2 ni azimio: kwa kuweka hali kwenye aina ya seli, huhamisha tafsiri tofauti kutoka kwa wastani wa kiwango cha idadi ya watu hadi muktadha mahususi wa seli ambapo ugonjwa hutenda kazi. Iwapo faida za kielelezo zitadumishwa katika matumizi huru, modeli inaweza kufupisha njia kutoka kwa uhusiano wa kijeni hadi uelewa wa kiufundi - hatua ya gharama kubwa zaidi katika ukuzaji wa dawa za kisasa.
Kaa Mbele ya AIAI inaunda upya ugunduzi wa dawa, genomics, na kibayoteki haraka zaidi kuliko chanjo nyingi zinaweza kuendelea. Kwa habari muhimu kuhusu AI, uchambuzi wa utafiti na maendeleo mapya ya AI, AI Buzz Wire hufuata kila muhtasari muhimu.
Soma habari zaidi za AI →
