Datorzinātnes

Google DeepMind AlphaGenome uzlabo genomu kartēšanu slimību pētījumiem

Tendela Briefing ·
4 skatījumi · 0 Komentāri
Google DeepMind AlphaGenome uzlabo genomu kartēšanu slimību pētījumiem

Attēls: Google · Avots

Google DeepMind AlphaGenome modelis prognozē ģenētisko variantu ietekmi, ļaujot ātrāk pētīt slimības, prioritizējot būtiskas DNS izmaiņas. Tā nesenais AlphaGenome Atlasa datu komplekts palīdz zinātniekiem izprast molekulāros slimību mehānismus un veicina personalizēto medicīnu.

Google DeepMind ir izstrādājis AlphaGenome, mākslīgā intelekta modeli, kura mērķis ir dekodēt cilvēka genomu un paātrināt slimību izpēti, paredzot ģenētisko variāciju ietekmi. Genoms sastāv no aptuveni 3 miljardiem DNS bāzes pāru, kas veido instrukciju grāmatu ar četriem DNS bāzes veidiem – adenīnu (A), timīnu (T), citozīnu (C) un guanīnu (G). Viena nukleotīda maiņas šo bāzu starpā var izraisīt ģenētiskas slimības, bet cēloņu variantu atrašana miljardu iespēju vidū ir sarežģīta problēma.

AlphaGenome risina šo uzdevumu, analizējot miljonu bāzu pāru posmus, lai vienlaikus prognozētu tūkstošiem ģenētisku rezultātu. Tas ļauj zinātniekiem ātri sašaurināt DNS izmaiņu loku, kas, visticamāk, ietekmē slimības. Papildinot modeli, DeepMind ir izlaidis AlphaGenome Atlasa datu kopu, kurā visiem deviņiem miljardiem iespējamu vienas bāzes DNS mutāciju ir piešķirts AlphaGenome Variant Impact (AVI) rādītājs. Šis rādītājs palīdz pētniekiem prioritizēt variantus turpmākai pētīšanai, norādot katras izmaiņas potenciālo ietekmi.

Žiga Avsec, Google DeepMind genomikas iniciatīvas vadītājs, skaidro, ka genoma "tumšās matērijas" – nekodējošo reģionu, kas regulē gēnu ekspresiju – izpratne ir būtiska, taču eksperimentāli izaicinoša. Tradicionālie laboratorijas eksperimenti ir laikietilpīgi un dārgi, īpaši retos slimību gadījumos, kad pacienta DNS var saturēt miljonus variantu. AlphaGenome skaitļošanas pieeja nodrošina mērogojamu rīku, lai prioritizētu visietekmīgākās izmaiņas.

AlphaGenome Atlasa agrīnie lietotāji ir demonstrējuši tā noderīgumu. Piemēram, pētnieks no Eksītras universitātes izmantoja datu kopu, koncentrējoties uz ietekmīgākajiem 1% variantiem, kas saistīti ar ķermeņa masas indeksu. Vēl viens zinātnieks no Broad institūta identificēja izšķirošu variantu, kas saistīts ar neiroattīstības traucējumiem, virzot pētījumus retos slimību gadījumos.

Turpinot attīstību, DeepMind ieviesa AlphaGenome 2, kas uzlabo šūnu tipa specifiskumu. Atšķirībā no oriģinālā modeļa, kas galvenokārt tika trenēts uz veselu audu datiem, jaunā versija prognozē, kā varianti ietekmē atsevišķu šūnu tipus, sniedzot dziļāku ieskatu šūnu slimību mehānismos.

DeepMind genomikas darba galvenais mērķis ir digitāli simulēt cilvēka šūnu, ļaujot skaitļošanas pētījumus par slimību procesiem un terapeitiskām iejaukšanās metodēm. Virzoties no genoma lasīšanas uz detalizētu molekulāru izpratni, AlphaGenome cenšas revolucionizēt diagnostiku, personalizētu ārstēšanu, zāļu izstrādi un pat plašākas jomas, piemēram, klimata izturīgu kultūru attīstību. Pirmoreiz palaists 2025. gada jūnijā ar atlasas izlaidumu 2026. gada septembrī, AlphaGenome turpina veicināt progresīvus ģenētikas pētījumus visā pasaulē.

Avoti un oriģinālziņas

Komentāri (0)

Komentāru vēl nav. Sāciet diskusiju.

Rakstīt komentāru

Komentāri tiek publicēti pēc moderēšanas. Jūsu vārds un komentārs būs redzami publiski. Konts