AlphaGenome Google DeepMind przyspiesza mapowanie genomu w badaniach nad chorobami

Image: Google · Source
Model AlphaGenome Google DeepMind przewiduje efekty wariantów genetycznych, umożliwiając szybsze badania nad chorobami poprzez priorytetyzację wpływowych zmian DNA. Jego najnowszy zestaw danych AlphaGenome Atlas pomaga naukowcom w zrozumieniu molekularnych mechanizmów chorób i rozwoju medycyny spersonalizowanej.
Google DeepMind opracowało AlphaGenome, model sztucznej inteligencji stworzony do dekodowania ludzkiego genomu i przyspieszania badań nad chorobami poprzez przewidywanie skutków wariantów genetycznych. Genom składa się z około 3 miliardów par zasad DNA, stanowiących instrukcję obsługi złożoną z czterech zasad – adeniny (A), tyminy (T), cytozyny (C) i guaniny (G). Zmiany pojedynczych liter wśród tych zasad mogą powodować choroby genetyczne, jednak identyfikacja przyczynowych wariantów spośród miliardów możliwości jest ogromnym wyzwaniem.
AlphaGenome rozwiązuje ten problem, analizując fragmenty o długości miliona par zasad, aby przewidzieć tysiące wyników genetycznych jednocześnie. Umożliwia to naukowcom szybkie zawężenie, które zmiany w DNA prawdopodobnie wpływają na chorobę. Uzupełniając model, DeepMind opublikowało AlphaGenome Atlas, obszerny zestaw danych oceniający wszystkie dziewięć miliardów możliwych pojedynczych mutacji DNA za pomocą wskaźnika AlphaGenome Variant Impact (AVI). Ten wynik pomaga badaczom priorytetyzować warianty do dalszych badań, wskazując potencjalne efekty każdej zmiany.
Žiga Avsec, naukowiec Google DeepMind nadzorujący inicjatywę genomiki, wyjaśnia, że zrozumienie „ciemnej materii” genomu – obszarów niekodujących, które regulują ekspresję genów – jest kluczowe, ale eksperymentalnie trudne. Tradycyjne eksperymenty laboratoryjne są czasochłonne i kosztowne, zwłaszcza w przypadku rzadkich chorób, gdzie DNA pacjentów może wykazywać miliony wariantów. Podejście obliczeniowe AlphaGenome dostarcza skalowalne narzędzie do priorytetyzacji najbardziej wpływowych zmian.
Wczesni użytkownicy AlphaGenome Atlas wykazali jego użyteczność. Na przykład badacz z University of Exeter wykorzystał zestaw danych do skupienia się na 1% najbardziej wpływowych wariantów powiązanych z wskaźnikiem masy ciała. Inny naukowiec z Broad Institute zidentyfikował kluczowy wariant związany z zaburzeniami neurorozwojowymi, co naprowadziło na przełomowe odkrycia w badaniach nad rzadkimi chorobami.
W oparciu o te postępy, DeepMind wprowadził AlphaGenome 2, który poprawia specyfikę dotyczącą typów komórek. W przeciwieństwie do oryginalnego modelu trenowanego głównie na danych z całych tkanek, nowa wersja przewiduje, jak warianty wpływają na poszczególne typy komórek, oferując głębszy wgląd w komórkowe mechanizmy chorób.
Ostateczną wizją pracy DeepMind w dziedzinie genomiki jest cyfrowa symulacja ludzkiej komórki, umożliwiająca komputerowe badania procesów chorobowych i interwencji terapeutycznych. Przechodząc od odczytu genomu do szczegółowego zrozumienia molekularnego, AlphaGenome ma na celu odmienić diagnostykę, spersonalizowane leczenie, odkrywanie leków, a nawet szersze dziedziny, takie jak rozwój upraw odpornych na zmiany klimatyczne. Model został po raz pierwszy uruchomiony w czerwcu 2025 roku, a atlas w wrześniu 2026, i kontynuuje wspieranie zaawansowanych badań genetycznych na całym świecie.
Źródła i oryginalne doniesienia
Read the original source ↗

Komentarze (0)
Nie ma jeszcze komentarzy.
Napisz komentarz
Komentarze publikujemy po moderacji. Nazwa i komentarz będą publiczne. Konto