Skaičiavimas

Google DeepMind AlphaGenome pažengė genomų žemėlapių kūrimą ligų tyrimams

Tendela Briefing ·
4 peržiūros · 0 Komentarai
Google DeepMind AlphaGenome pažengė genomų žemėlapių kūrimą ligų tyrimams

Vaizdas: Google · Šaltinis

Google DeepMind AlphaGenome modelis prognozuoja genetinių variantų poveikį, leidžiant greičiau tirti ligas prioritetizuojant reikšmingus DNR pokyčius. Naujasis AlphaGenome Atlas duomenų rinkinys padeda mokslininkams suprasti molekulinius ligų mechanizmus ir tobulinti personalizuotą mediciną.

Google DeepMind sukūrė AlphaGenome – dirbtinio intelekto modelį, skirtą žmogaus genomui iššifruoti ir ligų tyrimus pagreitinti prognozuojant genetinių pokyčių pasekmes. Genomas susideda iš maždaug 3 milijardų DNR bazinių porų, kurios sudaro instrukcijų vadovą iš keturių DNR bazinių elementų – adenino (A), timino (T), citozino (C) ir guanino (G). Vieno raides keičiančios bazės gali sukelti genetines ligas, tačiau tarp milijardų galimų variantų nustatyti priežastinius yra didžiulis iššūkis.

AlphaGenome šią problemą sprendžia analizuodamas milijono bazinių porų segmentus ir prognozuodamas tūkstančius genetinių rezultų vienu metu. Tai leidžia mokslininkams greitai susiaurinti, kurie DNR pokyčiai tikėtina turės įtakos ligai. Papildydama modelį, DeepMind išleido AlphaGenome Atlas – išsamų duomenų rinkinį, kuriame įvertinti visi devyni milijardai galimų vieno raidės DNR mutacijų su AlphaGenome Variant Impact (AVI) įverčiu. Šis įvertis padeda tyrėjams prioritetizuoti variantus tolesniam tyrimui, rodydamas kiekvieno pokyčio potencialų poveikį.

Žiga Avsec, Google DeepMind genomikos tyrimų mokslininkas, atsakingas už genomikos iniciatyvą, paaiškina, kad svarbu suprasti genomų „tamsiąją materiją“ – nekoduojančias sritis, reguliuojančias genų išraišką, nors eksperimentiniai tyrimai čia yra sudėtingi. Tradiciniai laboratoriniai eksperimentai užima daug laiko ir yra brangūs, ypač retų ligų atvejais, kai pacientų DNR gali turėti milijonus variantų. AlphaGenome kompiuterinis metodas suteikia mastelio priemonę prioritetizuoti reikšmingiausius pokyčius.

Pradiniai AlphaGenome Atlas naudotojai jau įrodė jo naudingumą. Pavyzdžiui, mokslininkas iš Ekseterio universiteto panaudojo duomenų rinkinį, kad sutelktų dėmesį į 1 % įtakingiausių variantų, susijusių su kūno masės indeksu. Kitas tyrėjas iš Broad instituto identifikavo svarbų variantą, siejamą su neurovystymosi sutrikimais, kuris paskatino pažangą retų ligų tyrimuose.

Remdamasis šiomis pažangomis, DeepMind pristatė AlphaGenome 2 versiją, kuri pagerina konkretų ląstelių tipų poveikio prognozavimą. Skirtingai nuo pradinio modelio, kuris daugiausia treniruotas su visų audinių duomenimis, naujasis variantas numato, kaip pokyčiai veikia atskirus ląstelių tipus, suteikdamas gilias žinias apie ląstelių ligų mechanizmus.

Galutinė DeepMind vizija genomikos srityje yra skaitmeninis žmogaus ląstelės modeliavimas, leidžiantis kompiuterinius ligų ir terapijos procesų tyrimus. Toliau gilindamas nuo genomų skaitymo iki detalaus molekulinio supratimo, AlphaGenome siekia transformuoti diagnostiką, personalizuotą gydymą, vaistų atradimą ir net platesnes sritis, tokias kaip klimato atsparių kultūrų vystymas. AlphaGenome pirmą kartą pristatytas 2025 metų birželį, o atlasas – 2026 rugsėjį; šis projektas toliau palengvina pažangius genetinius tyrimus visame pasaulyje.

Šaltiniai ir originalūs pranešimai

Komentarai (0)

Komentarų dar nėra. Pradėkite diskusiją.

Rašyti komentarą

Komentarai publikuojami po moderavimo. Jūsų vardas ir komentaras bus vieši. Paskyra