Google DeepMinds AlphaGenome Främjar Genomkartläggning för Sjukdomsforskning

Bild: Google · Källa
Googles DeepMind-modell AlphaGenome förutspår effekter av genetiska varianter och möjliggör snabbare sjukdomsforskning genom att prioritera DNA-förändringar med stor påverkan. Det nyligen lanserade datasetet AlphaGenome Atlas hjälper forskare att förstå molekylära sjukdomsmekanismer och driva utvecklingen av personlig medicin.
Google DeepMind har utvecklat AlphaGenome, en AI-modell designad för att avkoda det mänskliga genomet och påskynda sjukdomsforskning genom att förutsäga effekterna av genetiska variationer. Genomet består av ungefär 3 miljarder baspar DNA, som bildar en instruktionsmanual med fyra DNA-baser – adenin (A), tymin (T), cytosin (C) och guanin (G). Enkelbokstavsförändringar bland dessa baser kan orsaka genetiska sjukdomar, men att identifiera orsaksvarianter bland miljarder möjligheter är en mycket stor utmaning.
AlphaGenome angriper detta genom att analysera segment om en miljon baspar för att förutsäga tusentals genetiska utfall samtidigt. Detta gör att forskare snabbt kan begränsa vilka DNA-förändringar som sannolikt påverkar sjukdom. Som komplement till modellen lanserade DeepMind AlphaGenome Atlas, ett omfattande dataset som poängsätter samtliga nio miljarder möjliga enkelbokstavsmutationer i DNA med en AlphaGenome Variant Impact (AVI)-poäng. Denna poäng hjälper forskare att prioritera varianter för vidare studier genom att ange varje förändrings potentiella effekt.
Žiga Avsec, forskare vid Google DeepMind som ansvarar för genominitiativet, förklarar att förståelsen av genomet "mörka materia" — icke-kodande regioner som reglerar genuttryck — är avgörande men experimentellt utmanande. Traditionella laboratorieexperiment tar lång tid och är dyra, särskilt i fall som sällsynta sjukdomar där patienters DNA kan uppvisa miljontals varianter. AlphaGenomes beräkningsbaserade angreppssätt ger ett skalbart verktyg för att prioritera de mest påverkningsfulla förändringarna.
Tidiga användare av AlphaGenome Atlas har visat dess användbarhet. Till exempel använde en forskare vid University of Exeter datasetet för att fokusera på den översta 1 % av de mest inflytelserika varianterna kopplade till body mass index. En annan forskare vid Broad Institute identifierade en avgörande variant kopplad till neurodevelopmentala störningar, vilket ledde till forskningsframsteg inom sällsynta sjukdomar.
Med dessa framsteg har DeepMind introducerat AlphaGenome 2, som förbättrar cellspecifik prediktion. Till skillnad från den ursprungliga modellen som främst tränades på data från hela vävnader förutspår den nya versionen hur varianter påverkar individuella celltyper och ger djupare insikter i cellulära sjukdomsmekanismer.
Den slutgiltiga visionen för DeepMinds genomsarbete är att digitalt simulera en mänsklig cell, vilket möjliggör beräkningsstudier av sjukdomsprocesser och terapeutiska insatser. Genom att avancera från genomläsning till detaljerad molekylär förståelse syftar AlphaGenome till att transformera diagnostik, personlig behandling, läkemedelsupptäckt och även bredare områden som utveckling av klimatresistenta grödor. Lanserad först i juni 2025 med atlasen följande i september 2026, fortsätter AlphaGenome att underlätta banbrytande genetisk forskning globalt.
Källor och ursprunglig rapportering
Läs den ursprungliga källan ↗

Kommentarer (0)
Inga kommentarer ännu. Börja diskussionen.
Skriv en kommentar
Kommentarer publiceras efter granskning. Ditt namn och kommentar syns offentligt. Konto